Chat-GPT의 출시, 벡터 데이터베이스의 출현, 그리고 검색 증강 생성(RAGs)의 광범위한 사용은 챗봇 분야의 새로운 시대의 시작을 알렸습니다. 이제 LLMs는 자연어로 된 간단한 프롬프트로 사용자 의도를 이해할 수 있어 복잡한 의도 변형 훈련의 필요성을 없애고, 기업 콘텐츠를 일관되게 합성하여 스크립트된 의도 인식을 넘어선 대화 능력을 챗봇에 부여합니다. LLMs는 사용자 쿼리에 대한 일관되고 사실적이며 논리적인 응답을 생성하는 능력을 제공하는 반면, 벡터 데이터베이스 기반 정보 검색(IR) 시스템은 LLMs의 신선한 콘텐츠 검색 능력을 증강합니다. LangChain(1)과 Llamaindex(9)와 같은 도구는 챗봇 구축을 용이하게 하고, 메모리, 에이전트, 프롬프트 템플릿 및 전체 흐름을 포함한 복잡한 워크플로우의 조정을 지원합니다. 벡터 검색 기반 IR 시스템, LLMs, LangChain과 같은 프레임워크는 RAG 파이프라인의 핵심 구성 요소를 형성하며, Chat-GPT 이후 시대의 생성 AI 챗봇을 지원하고 있습니다.
