Claude Code로 구축한 공공 기록 검색 시스템 QorVault 소스 공개 및 회고

작성자가 비개발자임에도 불구하고 구축한 시스템의 구조적 완성도와 특히 물리적 보안 방식에 대해 흥미롭다는 반응이 많으며, 검색 실패 사례를 솔직하게 공유한 점이 긍정적으로 평가받고 있습니다.

• 보안이 중요한 설정 파일은 물리적 쓰기 방지 스위치가 있는 SD 카드에 저장하여 소프트웨어적 변조를 원천 차단하십시오.
• RAG 시스템 구축 시 임베딩 여부만 믿지 말고, 실제 중요한 키워드나 수치가 포함된 문서가 제대로 검색되는지 전수 조사에 가까운 테스트가 필요합니다.
• API 비용 절감을 위해 검색 파이프라인은 로컬에서 처리하고, 고수준의 추론이 필요한 단계에만 상용 API를 할당하는 하이브리드 구조를 고려하십시오.

검색 증강 생성(RAG)

— 외부 지식 베이스에서 관련 정보를 검색하여 LLM의 응답 생성에 활용하는 기술이다. 모델의 학습 데이터에 없는 최신 정보나 특정 도메인 데이터를 참조하게 함으로써 할루시네이션을 줄이고 답변의 정확도를 높이는 데 필수적이다.

비즈니스 소스 라이선스 1.1(Business Source License 1.1)

— 소스 코드는 공개하되 특정 기간 동안 상업적 이용을 제한하고, 이후 오픈소스 라이선스로 전환되는 라이선스 모델이다. 개발자가 초기 수익 모델을 보호하면서도 투명성을 유지하기 위해 사용하며, 본 사례에서는 4년 후 AGPL로 전환되도록 설정됐다.

검색 파이프라인(Retrieval Pipeline)

— 사용자의 질문에 대해 방대한 문서 데이터베이스에서 가장 관련성 높은 조각을 찾아내는 일련의 처리 과정이다. 임베딩, 벡터 검색, 재순위화 등의 단계를 거치며, 이 과정에서 실패가 발생하면 모델이 올바른 정보를 가지고 있더라도 오답을 낼 수 있다.

질의 재구성(Query Reformulation)

— 사용자의 모호한 질문을 검색 엔진이나 LLM이 더 잘 이해할 수 있도록 명확한 형태로 다시 작성하는 기법이다. 검색 정확도를 높이기 위해 질문의 의도를 파악하고 핵심 키워드를 추출하거나 문맥을 보강하는 과정을 포함한다.