DAY 92개념·실험GraphRAG의 확장과 평가

가볍게 만드는 GraphRAG

GraphRAG의 인덱싱은 비쌉니다. 같은 문제를 더 가볍게 풀려는 LightRAG와 LazyGraphRAG를 비교하며, 결국 ‘비용을 인덱싱 때 낼지 질의 때 낼지’의 선택이라는 점을 손익분기로 계산해 봅니다.

약 20분조작형 실험 확인 퀴즈

01 / UNDERSTAND

핵심 개념

GraphRAG는 인덱싱 때 청크 추출, 요소 요약, 모든 커뮤니티 보고서에 LLM을 씁니다. 문서가 늘어 커뮤니티 구조가 바뀌면 보고서를 다시 만들어야 합니다. 질문이 많고 데이터가 안정적이면 이 선불 비용이 질의마다 나눠지지만, 질문이 적거나 데이터가 자주 바뀌면 부담이 됩니다. 그래서 비용을 인덱싱 시점에 낼지(선불), 질의 시점에 낼지(후불)가 설계의 핵심 질문이 됩니다.

LightRAG(Guo et al. 2024)는 그래프 기반 텍스트 색인을 씁니다. LLM으로 엔티티와 관계를 추출하고, 노드와 엣지마다 키–값 쌍을 만들며(엔티티는 이름이 키, 관계는 연결된 엔티티에서 나온 전역 주제 키 여러 개), 중복을 병합합니다. 검색은 이중 수준입니다. 질문에서 저수준(local) 키워드와 고수준(global) 키워드를 뽑아, 저수준은 엔티티와, 고수준은 관계의 전역 키와 벡터 DB로 맞춘 뒤 찾은 노드·엣지의 1홉 이웃을 더합니다. 새 문서는 같은 절차로 색인해 기존 그래프와 노드·엣지 집합의 합집합을 취하므로 전체를 다시 만들지 않습니다.

LazyGraphRAG(Microsoft Research 블로그, 2024년 11월)는 사전 요약을 하지 않습니다. 인덱싱에서는 NLP 명사구 추출로 개념과 공출현을 뽑고, 그래프 통계로 개념 그래프를 다듬어 계층 커뮤니티 구조를 만듭니다. LLM 사용은 질의 시점으로 미루고, 최적 우선(best-first)과 너비 우선(breadth-first) 탐색을 반복 심화(iterative deepening) 방식으로 결합하며, 관련성 테스트 예산(relevance test budget)이라는 매개변수 하나로 비용과 품질을 조절합니다. 블로그는 인덱싱 비용이 벡터 RAG와 같고 전체 GraphRAG의 0.1%라고 밝힙니다.

이런 수치는 저자들이 정한 데이터셋·모델·평가 조건에서 나온 자체 보고이므로, 내 데이터에서는 질의 수, 갱신 빈도, 필요한 답의 종류로 다시 따져야 합니다. 일반적으로 질문이 많고 데이터가 안정적이면 사전 요약이, 질문이 적거나 데이터가 자주 바뀌면 지연·증분 방식이 유리해지기 쉽습니다. 어느 쪽이든 추출 품질이 답의 상한이라는 점은 같습니다.

GraphRAG 비용은 인덱싱 때 선불로 낼 수도 질의 때 후불로 낼 수도 있으며, LightRAG의 증분 업데이트와 LazyGraphRAG의 지연 처리는 선불 부담을 줄이는 선택입니다.

02 / WORKED EXAMPLE∑

작은 예제로 따라가기

가상 비용 단위로 사전 요약형은 인덱싱 500에 질의당 2, 지연 처리형은 인덱싱 5에 질의당 7이 든다고 합시다.

질의 50회: 500+100=600 대 5+350=355로 지연 처리형이 저렴합니다. 질의 200회: 900 대 1,405로 사전 요약형이 저렴합니다.

손익분기는 500+2q = 5+7q에서 q=99회입니다. 데이터가 바뀌어 다시 인덱싱하면 사전 요약형은 500을 다시 내므로 손익분기가 뒤로 밀립니다.

03 / EXPLORE

직접 실험해 보기

문서 수와 질의 수 Range를 움직여 세 방식의 총비용 막대 순서가 뒤집히는 지점을 찾고, LightRAG 키워드 칩을 저수준(엔티티)과 고수준(주제)으로 나눠 보세요.

LIVE EXPERIMENT · LIGHTWEIGHT GRAPHRAG

인덱싱 비용과 질의 비용을 언제 낼지 비교하기

문서 수1,000질의 수1,000

1위 · 벡터 RAG2,000

2위 · LazyGraphRAG5,000

3위 · GraphRAG (로컬)100.2만

인덱싱(먼저 지불)질의(쓸 때마다 지불)

교육용 상대 단위. 확인된 비율: LazyGraphRAG 인덱싱 = 벡터 RAG = GraphRAG의 0.1% · Lazy 질의 = GraphRAG 전역 검색의 4%. 나머지 단가는 가정
방식	인덱싱 (문서당)	질의 (질의당)	총비용
벡터 RAG	1,000×1	1,000×1	2,000
LazyGraphRAG	1,000×1	4,000×4	5,000
GraphRAG (로컬)	100만×1000	2,000×2	100.2만

손익분기: 질의 499,500회 넘으면 GraphRAG가 Lazy보다 쌈(1000 − 1) × 문서 1,000 ÷ (4 − 2) = 499,500. 미리 만든 요약을 아주 많이 재사용할 때만 사전 요약이 이득이다. 갱신이 잦으면 재색인 비용이 다시 든다.

LightRAG 이중 수준 검색 예시

질문: 해솔시 배터리 공장 환경 문제는 어떻게 풀리고 있나?

저수준 키워드 → 엔티티

해솔시누리전자푸른바다

고수준 키워드 → 관계·주제

환경갈등지역

누리전자 –공급 계약– 가온배터리누리전자 –출시– 누리북누리전자 –본사– 해솔시강민 –연구소장– 누리전자푸른바다 –활동– 해솔시푸른바다 –폐수 문제 제기– 누리전자가온배터리 –소재– 다온시다온시 –지정– 청정에너지 특구

관계 8개 검색 (저수준 6 · 고수준 5). 저수준은 구체 엔티티와 그 관계를, 고수준은 여러 엔티티에 걸친 주제를 잡는다. 새 문서는 노드·엣지 합집합으로 증분 갱신해 전체 재색인을 피한다.

04 / RECALL & PRACTICE

이번에는 직접 풀어 보세요

정답을 보기 전에 계산과 이유를 적어 보세요. 해설과 비교하고 확인 표시를 남기면 완료할 수 있습니다.

문제 1

가상 단위로 사전 요약형은 인덱싱 500에 질의당 2, 지연 처리형은 인덱싱 5에 질의당 7이 듭니다. 데이터가 한 달에 두 번 바뀌어 매번 다시 인덱싱해야 한다면, 한 달 질의가 몇 회를 넘을 때 사전 요약형이 더 저렴해지나요?

힌트 보기

한 달 총비용을 각각 1000+2q와 10+7q로 놓습니다.

풀이와 비교하기

1000+2q = 10+7q에서 5q=990, q=198입니다. 한 달 질의가 198회를 넘으면 사전 요약형이 저렴합니다. 갱신이 없을 때의 손익분기 99회보다 두 배로 늘었으므로, 데이터 갱신이 잦을수록 지연·증분 방식이 유리한 구간이 넓어집니다.

내 풀이를 해설과 비교하고 다른 점을 확인했어요.

풀이와 확인 표시는 이 브라우저에 저장됩니다.

YOUR NOTES

오늘 이해한 것과 다시 볼 것

계산이 달라진 이유, 헷갈린 개념, 다음에 확인할 질문을 남겨 보세요.

메모는 이 브라우저에 저장됩니다. 홈에서 전체 기록을 내려받을 수 있습니다.

05 / CHECK YOURSELF

오늘의 이해 확인

LightRAG의 증분 업데이트가 새 문서를 반영하는 방식은?

완료 조건: 확인 퀴즈 정답 · / 직접 풀기 0/1

더 깊이 읽기

예제와 실험 데이터는 이 과정을 위해 만든 것입니다. 원문은 선택 자료이며, 강의와 직접 풀기만으로도 다음 회차를 이어갈 수 있습니다.

LightRAG: Simple and Fast Retrieval-Augmented GenerationGuo et al. (2024)LazyGraphRAG: Setting a new standard for quality and costMicrosoft Research (2024)From Local to Global: A Graph RAG Approach to Query-Focused SummarizationEdge et al. (2024)

이 자료는 개념 학습용입니다. 실제 데이터베이스·라이브러리·플랫폼의 동작과 설정은 제품과 버전마다 다를 수 있습니다.