오픈서치 벡터 vs book-to-skill

오픈서치 벡터 장단점

• 오픈소스이므로 비용 효율적이며 커스터마이징이 자유롭습니다. AWS 등 주요 클라우드 서비스에서 관리형 서비스로 쉽게 이용할 수 있고, 대규모 분산 처리에 최적화되어 있어 안정성이 뛰어납니다. 하이브리드 검색을 통해 검색 품질을 정교하게 조정할 수 있습니다.

• 설정 및 클러스터 관리가 복잡할 수 있으며, k-NN 인덱싱 시 메모리 소모가 큽니다. 초보자가 최적의 성능을 내기 위해 튜닝해야 할 파라미터가 많아 학습 곡선이 존재합니다.

book-to-skill 장단점

• 긴 문서를 매번 전체 컨텍스트에 넣지 않아 토큰 사용량을 줄일 수 있음
• 여러 AI 코딩 에이전트 환경에서 동일한 스킬 형식을 사용 가능
• 문서 처리가 로컬에서 이루어져 데이터 업로드를 피할 수 있음
• 다양한 문서 형식과 여러 입력 소스를 지원

• AI 에이전트와 호스트 환경이 별도로 필요함
• 일부 PDF 및 문서 형식은 추가 추출기 설치가 필요함
• 스캔 PDF는 변환 전에 OCR 처리가 필요함

오픈서치 벡터 주요 기능

• k-NN 플러그인 — HNSW·IVF 알고리즘 기반 고성능 벡터 유사도 검색
• Seismic 희소 검색 알고리즘 — 신경망 희소 검색 속도 향상
• 하이브리드 검색 — 키워드+벡터 결합 검색으로 정확도 극대화
• 뉴럴 스파스 검색 — LLM 기반 문서 임베딩 및 의미론적 검색
• OpenSearch Dashboards — 벡터 검색 결과 시각화

book-to-skill 주요 기능

• 기술 서적과 문서 폴더를 구조화된 에이전트 스킬로 변환
• 장별 문서, 용어집, 패턴, 치트시트 자동 생성
• 필요한 장만 불러오는 온디맨드 로딩
• PDF, EPUB, DOCX, HTML, RTF, Markdown 등 지원
• GitHub Copilot CLI, Amp, Claude Code 호환
• 문서와 추출 과정을 로컬에서 처리