졸업 프로젝트로, 사용자의 활동을 기반으로 좋아할 만한 책을 추천해주는 기능을 구현하고자 했다. 👎🏻 초기 접근 방식: 기존 DB 임베딩 + 유사도 검색처음에는 단순한 방법으로 접근했다.기존 백엔드 DB에 저장된 책 정보 전체를 불러와 Vector DB에 임베딩하고, 사용자의 질문을 입력으로 받아 Vector DB에서 유사한 책을 검색해 추천하는 방식이었다. 하지만 결과는 만족스럽지 않았다.책 정보와 리뷰, 사용자 정보가 여러 테이블에 흩어져있어 구조적으로 불안정했고구조화되지 않은 원본 데이터를 그대로 임베딩했기 때문에 유사도 검색 정확도가 낮고, LLM의 hallucination 현상도 심했다.이미 유사도 검색에서 정확도가 낮으니까, LLM을 사용해도 의미가 없었다.🔁 방향 전환: 정보를 구조화한..