Markdown 변환 기반 Token 소비 90% 절감 및 pgvector RAG 설계
Build a Token-Efficient RAG Pipeline with pgvector & Markdown
RAG 시스템 실전 구축 (v42)
데이터 특성별 Chunking 전략과 Embedding 모델 최적화를 통한 고정밀 RAG 시스템 설계
RAG 시스템 실전 구축 (v39)
문서 청킹 전략과 Vector DB 최적화를 통한 고정밀 RAG 파이프라인 구축
RAG 시스템 실전 구축 (v38)
Semantic Chunking 및 Vector DB 최적화를 통한 고밀도 RAG 파이프라인 구축
RAG 시스템 실전 구축 (v26)
임베딩 최적화와 벡터 DB 전략을 통한 고효율 RAG 파이프라인 설계
임계값 기반 Semantic Chunking을 통한 RAG 컨텍스트 정밀도 향상
Day 4 - Chunking continued - RAG
Hybrid Retrieval 기반 CCE 도입으로 Claude Code 토큰 소모량 94% 절감
I Cut My Claude Code Token Usage by 94% With This Open Source Tool
온보딩 3일에서 4시간으로 단축시킨 AI 기반 Living Knowledge Base 구축
How I Use AI Agents to Maintain a Living Knowledge Base for My Team
모델 변경 없이 아키텍처 최적화만으로 RAG 정확도 62%에서 94% 달성
From 62% to 94% RAG Accuracy: The 5 Architecture Changes That Actually Moved the Needle
Naive RAG의 65% 정밀도를 Modular 구조로 95%까지 끌어올린 단계적 아키텍처 진화 전략
RAG Architecture — Prototype to Production in Three Stages
Markdown 변환 및 DOM 정제로 RAG 토큰 비용 97% 절감
Optimizing Web Scraping Data to Reduce RAG Token Costs
RAG系统实战：从Chunk切分到检索增强全流程解析
이중 의미론적 Chunking 및 BGE-zh-v1.5 기반 RAG 최적화로 First-hit Rate 23% 향상
Hybrid Search와 Re-ranking 도입을 통한 RAG 검색 품질 25% 향상
Semantic Search at Scale: What I Learned Building RAG Infrastructure at Microsoft Copilot