docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_Blog/Retrieval-Augmented Generation (RAG).md

@@ -1,4 +1,4 @@
-# [[Retrieval-Augmented Generation (RAG)]]
+# [[Retrieval-Augmented Generation (RAG)|Retrieval-Augmented Generation (RAG)]]
 
 ## 📌 Brief Summary
 RAG(Retrieval-Augmented Generation)는 모델 내부의 파라미터 지식에만 의존하지 않고, 외부 데이터베이스나 문서 저장소에서 현재 질문과 관련된 정보를 실시간으로 검색하여 컨텍스트에 주입함으로써 답변의 정확성과 최신성을 높이는 기술이다. 에이전틱 시스템에서는 단순한 지식 조회를 넘어, 에이전트가 스스로 무엇을 검색할지 결정하고 검색 결과를 바탕으로 다음 행동을 계획하는 능동적 도구로 활용된다.
@@ -18,16 +18,16 @@ RAG(Retrieval-Augmented Generation)는 모델 내부의 파라미터 지식에
 ## ⚖️ Trade-offs & Caveats
 *   **컨텍스트 오염**: 검색된 정보에 노이즈가 섞여 있거나 관련 없는 정보가 포함될 경우 모델의 답변 품질이 오히려 저하될 수 있다.
 *   **지연 시간**: 외부 저장소 검색과 벡터 변환 과정에서 오버헤드가 발생하여 답변 속도가 느려진다.
-*   **검색의 한계**: 벡터 검색은 단어 간의 복잡한 논리적 관계나 구조적 지식을 파악하는 데 한계가 있다. (이를 위해 [[GraphRAG]]가 도입됨)
+*   **검색의 한계**: 벡터 검색은 단어 간의 복잡한 논리적 관계나 구조적 지식을 파악하는 데 한계가 있다. (이를 위해 [[GraphRAG (그래프 기반 검색 증강 생성)|GraphRAG]]가 도입됨)
 
 ## 🔗 Knowledge Connections
 
 ### Related Concepts
-*   [[Agent Memory System]]
+*   [[Agent Memory System|Agent Memory System]]
     *   연결 이유: RAG는 에이전트의 메모리 중 '외부 지식'과 '장기 이력'을 불러오는 실질적인 메커니즘이다.
-*   [[GraphRAG & Knowledge Graph Memory]]
+*   [[GraphRAG & Knowledge Graph Memory|GraphRAG & Knowledge Graph Memory]]
     *   연결 이유: 단순 벡터 검색의 한계를 극복하기 위해 관계형 지식을 활용하는 진화된 RAG 형태이다.
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
     *   연결 이유: 검색된 방대한 결과 중 어떤 것을 컨텍스트에 넣을지 결정하는 전략이다.
 
 ### Deeper Research Questions