SurrealDB 기반 Hybrid Search로 RAG 검색 정밀도 극대화

Hybrid search inside SurrealDB: one query, vector + keyword + RRF

Archie Marshall2026년 4월 29일11분intermediate

AI 요약

Context

Vector Search의 의미론적 유사성 의존으로 인한 정확한 함수명 매칭 실패 및 BM25 Keyword Search의 문맥 이해 부족이라는 상충하는 한계 존재. 기존 RAG 시스템의 검색 결과 불일치 문제를 해결하기 위해 검색 전략의 상호 보완적 결합이 필요함.

Vector와 Keyword 검색을 병렬로 실행하여 의미론적 맥락과 정확한 철자를 동시 확보하는 Hybrid Search 구조 설계
서로 다른 스코어 체계를 가진 두 검색 결과를 통합하기 위해 점수가 아닌 순위를 활용하는 Reciprocal Rank Fusion(RRF) 알고리즘 도입
search::rrf() 함수를 통해 애플리케이션 레이어의 미들웨어 없이 데이터베이스 내부에서 랭킹 퓨전을 처리하는 Database-native 파이프라인 구축
Graph Enrichment를 통해 검색 결과에 클래스 컨텍스트와 Call Neighbourhood 정보를 추가하여 LLM에 전달되는 컨텍스트 밀도 향상
Knowledge Graph, Vector Store, Agent Checkpoint를 단일 SurrealDB 인스턴스에서 통합 관리하여 인프라 복잡성 제거

실천 포인트

1. 정밀한 식별자(함수명, ID) 검색이 필요한 RAG 시스템에 Vector+Keyword Hybrid Search 적용 검토

2. 이질적인 스코어링 시스템 통합 시 단순 정규화 대신 RRF(Reciprocal Rank Fusion) 알고리즘 적용

3. 데이터 이동 최소화를 위해 검색 및 랭킹 퓨전 로직을 Database-native 수준에서 처리하는 아키텍처 고려

4. 검색 결과에 Graph Traversal을 통한 관계성 데이터를 추가하여 LLM의 문맥 이해도 제고

태그