From 5cc4e5aa08517c762aa7ccbb7d7555f865a5d4fe Mon Sep 17 00:00:00 2001
From: happybell80 <happybell80@naver.com>
Date: Sat, 21 Mar 2026 16:05:13 +0900
Subject: [PATCH] =?UTF-8?q?plan:=20=ED=95=98=EC=9D=B4=EB=B8=8C=EB=A6=AC?=
 =?UTF-8?q?=EB=93=9C=20=EA=B2=80=EC=83=89=20=ED=92=88=EC=A7=88=20=EA=B0=9C?=
 =?UTF-8?q?=EC=84=A0=20=EA=B3=84=ED=9A=8D=20(P0=203=EA=B1=B4=20+=20P1=202?=
 =?UTF-8?q?=EA=B1=B4)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- P0: prefix 매칭, keyword threshold 분리, RRF 점수 정규화
- P1: 초과 청크 재분할, grounding 라우팅 완화
- 260321 리서치 원인 5개 → 조치 5개 1:1 매핑

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
---
 ...�이브리드검색_품질개선_계획.md | 93 +++++++++++++++++++
 1 file changed, 93 insertions(+)
 create mode 100644 journey/plans/260321_하이브리드검색_품질개선_계획.md

diff --git a/journey/plans/260321_하이브리드검색_품질개선_계획.md b/journey/plans/260321_하이브리드검색_품질개선_계획.md
new file mode 100644
index 0000000..f575b72
--- /dev/null
+++ b/journey/plans/260321_하이브리드검색_품질개선_계획.md
@@ -0,0 +1,93 @@
+# 260321 하이브리드 검색 품질 개선 계획
+
+## 목적
+
+- 260321 리서치에서 확정된 5개 원인을 해소하여 3중 검색이 실제로 동작하는 상태로 만든다.
+- 260320 적용1 계획의 닫는 조건(샘플 질문 검증 통과)을 달성하기 위한 직접 선행 작업이다.
+
+## 참조 문서
+
+- [260321 하이브리드 검색 keyword recall=0 및 grounding 실패 원인 확정 리서치](../research/rag/260321_하이브리드검색_keyword_recall0_및_grounding_실패_원인확정_리서치.md)
+- [260320 로빙 다형식문서 RAG 적용1 계획](./260320_로빙_다형식문서_RAG_적용1_계획.md)
+
+## 원인 → 조치 매핑
+
+| # | 원인 | 조치 | 서버 | 우선순위 |
+|---|------|------|------|----------|
+| 1 | `simple` 토크나이저 조사 미분리 | `_build_keyword_tsquery()`에서 각 토큰에 `:*` prefix 접미 | 24 (skill-rag-file) | P0 |
+| 2 | keyword threshold 0.35가 ts_rank 최대 0.089를 전부 필터링 | keyword_search threshold를 모드별 분리 — keyword 단독 시 0.001, hybrid 내부는 현행 0.0 유지 | 24 (skill-rag-file) | P0 |
+| 3 | RRF score(0.01~0.03) ≪ threshold(0.35) 스케일 불일치 | hybrid 모드의 relevance_score를 RRF 원점수가 아닌 정규화 점수로 변환. 또는 hybrid용 threshold를 별도 설정 (0.005) | 24 (skill-rag-file) | P0 |
+| 4 | 쿼리-문서 임베딩 거리 문제 (긴 청크 2,703자 vs 짧은 쿼리) | 청킹 기준(chunk_size=1000) 초과 청크 재분할. 인덱싱 파이프라인에서 기존 초과 청크 탐지 + 재인덱싱 | 23 (DB) + 24 (skill-rag-file) | P1 |
+| 5 | grounding 라우팅 마커 미매칭 (3건) | Company X team_id 사용자는 마커 없이도 grounding 우선 시도. `should_handle_companyx_grounding()`에서 team_id == COMPANYX_TEAM_ID이면 마커 체크 건너뛰기 | 24 (rb8001) | P1 |
+
+## 작업 상세
+
+### P0-1: prefix 매칭 적용 (skill-rag-file)
+
+- 파일: `app/services/postgres_vector_store.py` → `_build_keyword_tsquery()`
+- 변경: 각 토큰에 `:*` 접미
+- 예: `"아크로셀 | 개인투자조합"` → `"아크로셀:* | 개인투자조합:*"`
+- 예상 효과: recall 27% → 90% (실측 기준)
+
+### P0-2: keyword threshold 분리 (skill-rag-file)
+
+- 파일: `app/services/postgres_vector_store.py` → `keyword_search()`
+- 변경: threshold 파라미터를 keyword용으로 분리. 기본값 0.001
+- `search.py`에서 keyword 단독 호출 시 `keyword_threshold` 사용
+- hybrid 내부 호출은 현행 0.0 유지
+
+### P0-3: RRF 점수 정규화 (skill-rag-file)
+
+- 파일: `app/services/postgres_vector_store.py` → `_merge_rrf()`
+- 옵션 A: RRF 점수를 0~1로 정규화 — `rrf_normalized = rrf_raw / max_rrf_raw`
+- 옵션 B: hybrid 모드에서 relevance_score를 `max(vector_score, rrf_score)`로 설정
+- 옵션 C: hybrid용 threshold를 별도 파라미터로 분리 (기본 0.005)
+- 권장: **옵션 A** — 정렬과 필터링이 일관됨
+
+### P1-4: 초과 청크 재분할 (23 DB + 24 skill-rag-file)
+
+- 탐지: `SELECT document_id, chunk_index, length(chunk_text) FROM team_document_chunk WHERE length(chunk_text) > 1200 AND team_id = '79441171-...'`
+- 해당 문서를 chunk_size=1000, overlap=200 기준으로 재인덱싱
+- 스크립트: `skill-rag-file/scripts/reindex_oversized_chunks.py`
+
+### P1-5: grounding 라우팅 완화 (rb8001)
+
+- 파일: `app/services/companyx_grounding_service.py` → `should_handle_companyx_grounding()`
+- 변경: `team_id == COMPANYX_TEAM_ID`이면 `_looks_like_companyx_grounding_question()` 체크를 건너뛰고 항상 grounding 시도
+- 주의: grounding 실패 시 일반 경로로 fallback하는 기존 흐름 유지 필요
+
+## 실행 순서
+
+```
+P0-1 (prefix) ─┐
+P0-2 (threshold)├─ 병렬 → skill-rag-file 재배포 → 검증
+P0-3 (RRF 정규화)─┘
+                    ↓
+P1-4 (청크 재분할) → 재인덱싱 → 검증
+P1-5 (라우팅 완화) → rb8001 재배포 → 검증
+                    ↓
+            통합 검증 (16개 + 20개)
+```
+
+- P0 3건은 병렬 작업 후 한 번에 배포
+- P1은 P0 검증 후 순차
+
+## 검증 기준
+
+- keyword 단독 검색에서 "아크로셀 정기주총" 쿼리 결과 1건 이상
+- hybrid 검색에서 relevance_score가 threshold를 자체적으로 통과
+- 옐로펀치 MOU 문서가 "옐로펀치 컴퍼니엑스 협약" 쿼리로 top-5 진입
+- 기존 통과 케이스 회귀 없음 (vector 16/16 유지)
+- 재오픈 20개 중 마커 미진입 3건이 grounding 경로로 진입
+
+## 닫는 조건
+
+- 16개 샘플 질문: vector/keyword/hybrid 모두 결과 반환
+- 재오픈 20개: grounding 경로 진입 실패 0건
+- 적용1 계획 검증 결과 기록 테이블에 결과 기입 완료
+
+## 금지
+
+- 질문별 하드코딩 특례 추가 금지 (260320 계승)
+- threshold를 0으로 내리는 것은 금지 (노이즈 결과 유입)
+- 기존 vector 단독 검색 품질 회귀 금지