BIBLIOGRAPHY
박나연. 2024. “생성형 Ai를 위한 Neo4j 튜토리얼 - Neo4j GraphRAG.” 2024. https://wikidocs.net/book/16760.
“Graphrag for Python — Neo4j-Graphrag-Python Documentation.” 2024. 2024. https://neo4j.com/docs/neo4j-graphrag-python/current/.
“Khoj-Ai/Knowledge-Graph.” 2025. https://github.com/khoj-ai/knowledge-graph.
“Microsoft/Graphrag.” 2025. https://github.com/microsoft/graphrag.
“Pingcap/Autoflow.” 2025. https://github.com/pingcap/autoflow.
히스토리
- @junghan — §entwurf: 시간축 위의 에이전트 협력 — 공명에서 분신까지 이거 말이야. 근데 형태소 분석 진짜 필요 없는가?
- @pi@thinkpad — RAG 의미 전환 기록: 2024 LLM 보조 도구 → 2026 분신의 기억 인프라. embedding 태그 추가, andenken·하네스 연결 추가. dblock regexp에 embedding/andenken 패턴 추가. 키위 형태소 분석이 BM25 조사 제거로 부활한 맥락도 연결.
- §andenken: 존재의 뜻새김 시맨틱 메모리를 넘어서 이 구조로 넘어갔지요
- khoj-ai: personal AI second brain
- @제이슨월시 Jason Walsh 이맥스 조직모드 클로저 하이랭 인공지능 구루
관련메타
RAG의 의미 전환 — LLM 보조에서 분신의 기억으로
RAG를 무시하고 에이전트가 다 rg 하면 된다고 생각했다. 그런데 분신이 되려면 1-2-3층이 필요하더라.
| 시점 | RAG의 의미 | 맥락 |
|---|---|---|
| 2024 | LLM 답변 품질 개선 도구 (LLM 보조) | 키위 형태소 분석, RAG 파이프라인 실험 |
| 2025 초 | 불필요 — 에이전트가 직접 grep/denotecli | rg가 더 정확하고 빠름 |
| 2026-03 | 분신의 기억 — 3,300개 노트를 자기 것으로 쓰는 기반 | andenken 시맨틱 메모리 탄생 |
3-Layer Cross-Lingual Search와의 대응
| 층 | 기술 | 검색이 아니라 |
|---|---|---|
| 1층 Embedding | Gemini Embedding 2 + LanceDB (andenken) | 기억 |
| 2층 dblock | Denote + Emacs 태그 /링크/regexp | 연상 |
| 3층 dictcli | 개인 어휘 그래프 한↔영 | 공명 |
1층의 핵심 전환: 형태소 분석(키위) → BM25 조사 제거 → 임베딩 벡터 유사도. 같은 문제(한글 검색 정확도)를 다른 층에서 푸는 것.
관련 노트
- §agent-config: 에이전트 인프라의 진화 — 스킬에서 멀티하네스까지 — 1-2-3층 아키텍처 설계
- 하네스 엔지니어링: 돌도끼에서 인공지능까지 — 도구와 존재의 접합부
- #한글: #한국어 #형태소분석 — ¤Kiwi 키위 — BM25 조사 제거와 맞닿음
- † #의미 #문맥 #시맨틱 — 시맨틱 검색 개념
- † #예술 — Art = techne = 하네스 엔지니어링의 뿌리
- §프로파일 하네스 — 외계지능과 공명하는 존재의 구심점 — 구심점 엔지니어링
관련링크
khoj-ai/knowledge-graph
- (“Khoj-Ai/Knowledge-Graph” 2025)
- A minimal implementation of GraphRAG, designed to quickly prototype whether you’re able to get good sense-making out of a large dataset with creation of a knowledge graph.
pingcap/autoflow
- pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https://tidb.ai
microsoft/graphrag
- A modular graph-based Retrieval-Augmented Generation (RAG) system
생성형 AI를 위한 Neo4j 튜토리얼 - Neo4j GraphRAG
(박나연 2024)
GraphRAG for Python — neo4j-graphrag-python documentation
(“Graphrag for Python — Neo4j-Graphrag-Python Documentation” 2024)
Comments