2nd/10_Wiki/Topics/AI_and_ML/LlamaIndex.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-llamaindex	LlamaIndex	10_Wiki/Topics	needs_review	self	LLAMAINDEX-001	none	A	1.0	ai rag llamaindex data-framework llm		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

LlamaIndex (데이터 프레임워크)

📌 한 줄 통찰 (The Karpathy Summary)

"LLM을 당신의 개인 데이터와 연결하는 지능적인 데이터 가교" — 비정형 데이터를 인덱싱하고 최적화된 방식으로 검색하여 LLM의 답변 품질을 높이는 RAG(검색 증강 생성) 특화 프레임워크.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 방대한 외부 문서를 작은 단위(Node)로 쪼개고 색인(Index)을 생성하여, 질문과 가장 관련 있는 정보만 골라 프롬프트에 주입하는 RAG 파이프라인 패턴.
• 세부 내용:
  • Data Connectors: PDF, Notion, Slack 등 다양한 소스에서 데이터를 파이싱하고 로드.
  • Indices: 데이터를 검색 가능한 구조(Vector Store, Tree, Keyword 등)로 변환 및 저장.
  • Query Engine: 사용자의 자연어 질문을 쿼리로 변환하여 인덱스에서 정보를 추출하고 답변 생성.
  • Synthesizer: 검색된 여러 조각의 정보를 결합하여 최종적으로 일관성 있는 답변을 구성.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 단순한 텍스트 임베딩 검색에서, 최근에는 에이전트적 추론(Agentic RAG)과 멀티모달 인덱싱 기능이 강화되는 추세.
• 정책 변화: Antigravity 프로젝트의 'Knowledge Engine'은 LlamaIndex의 원리를 바탕으로 로컬 위키 데이터를 인덱싱하여 에이전트의 답변 정확도를 보장함.

🔗 지식 연결 (Graph)

• RAG, Vector-Database, LangChain, In-Context-Learning
• Raw Source: 10_Wiki/Topics/AI/LlamaIndex.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)