태그: #knowledge-graph
GPU·LLM·MLOps·쿠버네티스, 그리고 마음가짐에 관한 글 · 7 편
#knowledge-graph 태그가 붙은 글은 7편이고, 가장 최근 글은 2026-07-15에 올라왔습니다.
함께 자주 붙은 태그: #rag 3 #ai 2 #deep-dive 2 #graph-rag 2 #graphrag 2
최근 90일 동안 많이 읽힌 글:
문서에서 지식 그래프로 — 정직한 구축 파이프라인
'문서에서 지식 그래프를 뽑는다'는 데모에서는 LLM 호출 한 번처럼 보입니다. 하지만 고객의 문서를 실제로 쿼리 가능한 그래프로 바꾸는 일은 여섯 단계의 파이프라인이고, 비용과 고통의 대부분은 추출이 아니라 엔티티 해소에 있습니다. 이 글은 스키마(온톨로지)를 먼저 정하는 이유, LLM 기반 스키마 제약 추출(LangChain LLMGraphTransformer, LlamaIndex의 Si
2026-07-15 · 19 분 읽기 #knowledge-graph#ai#llm#data-engineering지식 그래프 도구·프레임워크 지도 — 무엇을 언제 고르나
그래프 데이터베이스, RDF·온톨로지 스택, 그래프 RAG 프레임워크는 지난 2년 사이 폭발적으로 늘었습니다. 링크 목록은 이미 많으니, 이 글은 대신 정직하게 의견을 담은 지도를 그립니다. 카테고리마다 무엇에 쓰는지, 대표 도구 두세 개, 그리고 "언제 무엇을 고를지"를 분명히 말합니다 — 임베디드(Kùzu) vs 서버(Neo4j), 형식 OWL/RDF vs 실용 프로퍼티 그래프, 직접 짜
2026-07-15 · 18 분 읽기 #tools#knowledge-graph#graph-rag#ontology#frameworks고객의 도메인을 모델로 — 유비쿼터스 언어에서 온톨로지까지
고객사의 도메인 지식은 대개 문서가 아니라 사람 머릿속에 암묵지로 있습니다. Forward Deployed Engineer의 핵심 작업 하나는 이 흩어진 암묵지를 팀이 공유하는 명시적 모델로 바꾸는 것입니다. 이 글은 가장 싸고 값진 첫걸음인 DDD의 유비쿼터스 언어에서 출발해, 바운디드 컨텍스트로 같은 단어의 충돌을 다루고, 엔티티·값 객체·애그리게이트로 명사를 모델링합니다. 그다음 사람들
2026-07-15 · 21 분 읽기 #ontology#knowledge-graph#domain-driven-design#architecture#forward-deployed-engineerGraph RAG란 무엇인가 — 벡터 RAG가 막히는 곳, 그리고 이게 값을 하는 순간
RAG의 표준 레시피(청크 → 임베딩 → 상위 k개 검색)는 답이 한 조각에 들어 있을 때 잘 작동하지만, 멀티홉 질문과 코퍼스 전체를 관통하는 글로벌 센스메이킹 질문에서는 구조적으로 막힙니다. Microsoft의 GraphRAG는 이 두 사각지대를 겨냥해, LLM으로 코퍼스에서 지식 그래프를 뽑고 Leiden 알고리즘으로 커뮤니티를 찾아 요약을 미리 만들어 둡니다. 그런 다음 글로벌 질문은
2026-07-15 · 16 분 읽기 #rag#graph-rag#knowledge-graph#ai#llm그래프 DB & 지식 그래프 2026 완벽 가이드 — Neo4j 5 · ArangoDB · Memgraph · TigerGraph · Amazon Neptune · Apache AGE · Kuzu · FalkorDB · Dgraph · GraphRAG 심층 분석 ♪ 들을 수 있어요
2026년 5월 기준 그래프 데이터베이스와 지식 그래프 생태계를 한 번에 정리합니다. Neo4j 5, ArangoDB, Memgraph, TigerGraph, Amazon Neptune, Apache AGE, Kuzu, FalkorDB, Dgraph 같은 그래프 DB와 GraphDB·Stardog·Virtuoso·Apache Jena 같은 RDF 트리플 스토어, Cypher·GQL·Greml
2026-05-16 · 37 분 읽기 #graph-database#knowledge-graph#neo4j#arangodb#memgraphAI 에이전트 메모리 & 장기 컨텍스트 2026 — Mem0 / Zep / Letta / Cognee / Graphiti / Anthropic Memory 심층 가이드 ♪ 들을 수 있어요
컨텍스트 윈도우가 100만 토큰을 넘긴 2026년에도 에이전트 메모리는 여전히 풀리지 않은 문제다. Mem0, Zep, Letta(구 MemGPT), Cognee, Anthropic Memory API, OpenAI Memory, Graphiti, Verba, Cody Memories, Generative Agents까지 — 벡터 메모리·그래프 메모리·에피소딕 메모리 세 가지 모델을 비교하고
2026-05-16 · 35 분 읽기 #ai-memory#agent-memory#mem0#zep#lettaGraphRAG 완전 가이드: 지식 그래프가 RAG의 한계를 어떻게 넘는가
일반 RAG가 답하지 못하는 "이 문서들의 주요 패턴은?"같은 전역 질문. Microsoft Research의 GraphRAG가 어떻게 이 문제를 해결하는지, 실제 코드와 비용까지 솔직하게 설명합니다.
2026-03-18 · 13 분 읽기 #graphrag#knowledge-graph#rag#microsoft#ai-development