기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# RAG 애플리케이션에 대한 설명서 모범 사례
<a name="best-practices"></a>

성공적인 검색 증강 생성(RAG) 애플리케이션을 개발하려면 성능을 최적화하기 위해 다양한 문서 관련 요소를 신중하게 고려해야 합니다. 이 섹션의 모범 사례는 많은 조직 리더와 함께 RAG 시스템을 구축한 경험을 기반으로 큐레이션됩니다. 다음은 RAG 애플리케이션의 효과를 개선하기 위한 문서의 몇 가지 주요 모범 사례입니다.
+ **제목 및 부제목을 올바르게 사용** - 명확한 제목 및 부제목으로 콘텐츠를 구성하면 가독성이 향상되고 RAG 모델이 문서의 구조를 이해하는 데 도움이 됩니다. 이 방법을 사용하면 모델이 문서에서 정보를 더 잘 탐색하고 추출할 수 있으므로 생성된 응답의 품질이 향상됩니다.
+ **번호 지정이 순차적인지 확인** - 번호가 매겨진 목록을 사용할 때는 혼동을 방지하기 위해 적절한 번호 지정을 유지하는 것이 중요합니다. 번호를 건너뛰지 않고 각 목록 항목의 번호가 순차적으로 지정되었는지 확인합니다. 이를 통해 콘텐츠의 명확성과 일관성을 유지할 수 있습니다.
+ **목록 항목 간 전환 추가** - 글머리 기호 또는 번호가 매겨진 목록의 항목 간 전환을 제공하면 LLM이 콘텐츠를 안내하는 데 도움이 됩니다. 예를 들어 "2단계를 완료한 후...합니다"와 같은 문구를 사용하여 아이디어를 연결하고 정보 흐름을 개선할 수 있습니다.
+ **테이블 교체** - 테이블을 사용하지 마세요. 이 정보의 형식을 다중 수준 글머리표 목록 또는 플랫 수준 구문으로 지정합니다. *플랫 레벨 구문*은 중첩된 하위 수준 없이 동일한 계층적 수준에서 요소 또는 항목을 정렬합니다. 이러한 구조는 LLMs 정보를 다이제스트하는 데 도움이 됩니다. 대부분의 인덱싱된 문서는 왼쪽에서 오른쪽으로 읽히기 때문에 플랫 레벨 구문을 사용하면 추가 차원을 참조할 필요 없이 정보를 보다 일관성 있게 따를 수 있습니다. 이 형식은 구조화되고 쉽게 이해할 수 있는 방식으로 정보를 제공하기 때문에 RAG 애플리케이션에 더 유용합니다.
+ **효율성을 위한 그래픽 정보 사전 처리** - 다중 모달 LLMs 이미지와 텍스트를 모두 수집할 수 있습니다. 이미지 해상도를 줄이고, 중복 이미지를 제거하고, 그래픽 요소의 내용을 텍스트 형식으로 설명합니다. 이러한 조치는 의미 있는 컨텍스트를 개선하고, 토큰을 불필요하게 사용하지 않으며, RAG 모델의 접근성을 개선합니다.
+ **일반적인 쿼리를 위한 세션 스타터 추가** - "소프트웨어를 주문하려면 어떻게 해야 합니까?"와 같은 일반적인 질문이나 작업을 처리할 때 리더를 프로세스로 전환하는 세션 스타터를 추가합니다. 예를 들어 "소프트웨어를 주문하려면 아래 단계를 따르세요."를 추가할 수 있습니다. 이렇게 하면 높은 의미 체계 일치를 생성하여 LLM이 일관된 응답을 구성하는 데 도움이 됩니다.
+ **각 섹션에 요약 추가** - 각 제목 또는 부제목** **뒤에 해당 섹션의 콘텐츠에 대한 간결하고 간략한 요약을 추가합니다. 이렇게 하면 의미 체계 적용 범위를 늘리고 핵심 사항을 강화할 수 있습니다. 이렇게 하면 임베딩 공간 내에서 유사성 검색의 정확도가 향상되어 RAG 애플리케이션의 성능이 향상됩니다. 이는 문서가 LLM 및 인적 사용을 위한 것이거나 테이블 및 그래픽 요소가 필요한 경우에 특히 유용합니다.
+ **모호하지 않음** - 문서는 간결하고 초점을 맞춰야 합니다. LLMs 검색된 발췌문을 기반으로 응답을 생성하므로 모호성을 제거하면 모델이 명확하고 관련 있는 정보를 사용하는 데 도움이 됩니다. 이렇게 하면 더 정확하고 유용한 응답이 생성됩니다.
+ **약어 정의 및 컨텍스트 설정** - LLMs은 대량의 인터넷 데이터에 대해 훈련되며 대부분의 경우 엔터프라이즈 내부 문서의 컨텍스트가 없습니다. 따라서 컨텍스트를 설정하고, 약어를 정의하고, 회사별 용어를 피하거나 정의하면 LLM이 엔터프라이즈 데이터를 이해하는 데 도움이 됩니다. 이렇게 하면 LLM이 질문에 더 정확하게 답변하고 할루시네이션을 방지하는 데 도움이 됩니다.
+ **효율적인 태그 지정 및 인덱싱을 위해 대형 문서를 더 작은 문서로 재구성** - 여러 하위 주제가 포함된 대형 문서를 인덱싱하지** **마세요. 대용량 문서를 명확한 제목이 있는 더 작고 독립적인 문서로 나누는 것이 좋습니다. 이렇게 하면 인덱싱 및 태그 지정이 개선됩니다.