RAG 데모 시스템

Live Demo

하이브리드검색 기술

Dense + Sparse 벡터 검색으로최적의 검색 경험을 제공합니다

Dense VectorSparse VectorQdrant 1.15.5Hybrid Search

Dense 벡터(OpenAI text-embedding-3-small)는 의미적 유사도를, Sparse 벡터(BM25)는 키워드 매칭을 담당하여정확하고 맥락에 맞는 검색 결과를 제공합니다.

브랜즈모어 RAG 데모 시스템
Qdrant 기반 하이브리드 검색 데모 (Dense + Sparse 벡터)
사용 방법:
  1. 1.콜렉션 생성 및 관리
  2. 2.
    문서 업로드
    • •2-1) 텍스트 문서 업로드
    • •2-2) 파일 업로드
  3. 3.검색 테스트
1콜렉션 생성 및 관리
벡터 데이터베이스 콜렉션을 생성하고 속성을 확인합니다

콜렉션 선택 및 속성 조회

brandsmore-hybrid-docs기본

📌 고정 콜렉션 · 변경 시 DEFAULT_COLLECTION 수정 필요

2-1텍스트 문서 업로드
직접 텍스트를 입력하거나 샘플 문서를 선택하여 벡터 데이터베이스에 업로드합니다
2-2파일 업로드
PDF, DOCX, TXT, MD, CSV 파일을 드래그 앤 드롭 또는 선택하여 자동으로 파싱하고 업로드합니다

PDF, DOCX, PPTX, TXT, MD, CSV, XLSX, XLS 파일을 드래그하거나 클릭해서 선택

최대 10MB, 지원 형식: PDF, DOCX, PPTX, TXT, MD, CSV, JSON, XLSX, XLS

2-3업로드된 문서 목록 및 청크 요약 확인
업로드된 문서의 청킹 결과와 각 청크의 AI 생성 요약을 확인합니다
3검색 테스트
업로드된 문서를 다양한 검색 모드로 테스트합니다 (Dense, Sparse, Hybrid)
Hybrid 검색: Dense + Sparse를 RRF로 결합한 최적의 검색 (권장)