이 글은 임베딩을 넘어서 LLM 시스템 설계에 필요한 핵심 구성요소인 "벡터 DB"의 구조와 역할을 설명합니다. 단순히 붙이는 기능이 아니라, 색인(index), 저장(storage), 검색(search) 방식의 차이를 통해 기존 DB와의 본질적 차이를 짚고, RAG와 하이브리드 검색 등 실제 활용 사례에서 어떤 설계적 판단이 필요한지를 안내합니다.1. 의미 기반 검색을 설계할 때 반드시 마주치는 질문들GPT 기반의 시스템을 설계하다 보면, 대부분 임베딩 수준의 이해만으로 충분하다고 여겨지기 쉽다. 텍스트를 벡터로 변환하고, 유사도를 계산해 관련 문서를 찾는 구조 — 이 정도면 충분해 보인다.하지만 어느 순간, 다음과 같은 질문이 튀어나온다:“벡터를 어디에 어떻게 저장하지?”“검색 속도는 어떻게 보장하지..
