---
tags: [research, rag, robeing, postgres, graph, relations]
type: research
status: closed
closed_date: 2026-03-22
closed_reason: 설계 목적 달성, 200개 대상 구현 완료, Unresolved는 3차 계획 또는 후속 문서로 이관
research_target: PostgreSQL 기반 문서 관계 탐색과 그래프 확장 방식 정리
---

# PostgreSQL 그래프확장 설계 리서치

## 상태

- **updated** (260320: 재귀 CTE → Apache AGE로 방향 변경)

**작성일**: 2026-03-20
**목적**: PostgreSQL 안에서 문서 연결성과 탐색성을 확보하는 방법을 정리한다.

---

## 1. 결론

- ~~재귀 CTE로 충분~~ → **Apache AGE(PostgreSQL 그래프 확장)를 도입한다.**
- AGE는 PostgreSQL 위에서 Cypher 쿼리를 지원하여, 복잡한 문서 관계 탐색을 직관적으로 처리한다.
- 기존 PGVector + JSONB와 같은 DB 커넥션 안에서 벡터 검색 → 그래프 탐색 하이브리드 쿼리가 가능하다.

### 1.1 왜 Apache AGE인가

- **Cypher 지원**: `MATCH (d:Doc)-[:RELATED]->(r:Doc)` 식의 직관적 관계 탐색. 재귀 CTE 대비 쿼리 복잡도 대폭 감소.
- **PGVector 동거**: 벡터 검색으로 후보군 → AGE로 맥락 확장이 하나의 DB에서 끝남.
- **운영 단순화**: 별도 그래프 DB(Neo4j 등) 없이 PostgreSQL 하나로 통합.

### 1.2 설치 주의사항

- PostgreSQL 버전과 맞춰 컴파일 필요 — Docker 기반 설치 권장.
- 에이전트가 Cypher를 구사하려면 프롬프트 DB에 Few-shot 예제 필요.

## 2. 연결 원천

- front matter의 `related`
- 공통 `tags`
- 공통 `keywords`
- 같은 폴더/프로젝트/작성자
- 벡터 유사도 상 가까운 문서

## 3. 권장 테이블

```sql
create table if not exists document_relations (
    id bigserial primary key,
    from_document_id bigint not null references document_files(id) on delete cascade,
    to_document_id bigint not null references document_files(id) on delete cascade,
    relation_type text not null,
    weight numeric(6,3),
    metadata_jsonb jsonb not null default '{}'::jsonb,
    created_at timestamptz not null default now(),
    unique (from_document_id, to_document_id, relation_type)
);

create index if not exists idx_document_relations_from
    on document_relations (from_document_id);

create index if not exists idx_document_relations_to
    on document_relations (to_document_id);

create index if not exists idx_document_relations_metadata
    on document_relations using gin (metadata_jsonb);
```

## 4. relation_type 예시

- `explicit_related`
- `same_folder`
- `same_project`
- `shared_tag`
- `shared_keyword`
- `semantic_neighbor`
- `derived_from`

## 5. 내가 추천하는 연결 생성 방식

### 5.1 명시 연결 우선

- front matter의 `related`는 사람이 검증한 연결이므로 신뢰도가 높다.

### 5.2 규칙 기반 연결 다음

- 같은 폴더, 같은 프로젝트, 같은 태그 등은 자동 생성하기 쉽다.

### 5.3 벡터 기반 연결은 후순위

- 유사도만으로 연결하면 오탐이 많을 수 있다.
- `semantic_neighbor`는 보조 연결로만 두는 것이 맞다.

## 6. 재귀 탐색 예시

```sql
with recursive related_docs as (
    select
        df.id,
        df.title,
        0 as depth
    from document_files df
    where df.id = $1

    union all

    select
        df2.id,
        df2.title,
        rd.depth + 1
    from related_docs rd
    join document_relations dr
      on dr.from_document_id = rd.id
    join document_files df2
      on df2.id = dr.to_document_id
    where rd.depth < 3
)
select distinct id, title, min(depth) as min_depth
from related_docs
group by id, title
order by min_depth, id;
```

## 7. AGE 그래프 스키마 (운영 반영 전제)

### 노드
- `Document`: 문서 (title, source_path, file_type, tags)
- `Folder`: 폴더/프로젝트 단위
- `Tag`: 태그/키워드
- `User`: 작성자/소유자

### 엣지
- `RELATED`: 명시적 연결 (front matter related)
- `IN_FOLDER`: 문서 → 폴더
- `TAGGED`: 문서 → 태그
- `AUTHORED`: 작성자 → 문서
- `SEMANTIC_NEIGHBOR`: 벡터 유사도 기반 보조 연결

### Cypher 쿼리 예시

```cypher
-- 특정 문서의 2단계 관련 문서 탐색
MATCH (d:Document {title: '사업계획서'})-[:RELATED*1..2]-(r:Document)
RETURN r.title, r.source_path

-- 같은 폴더 + 같은 태그 문서
MATCH (d:Document)-[:IN_FOLDER]->(f:Folder)<-[:IN_FOLDER]-(r:Document)
WHERE d.title = '감사계약서'
RETURN r.title
```

## 8. 현재 추천

- 51123 서버 PostgreSQL에 Apache AGE Docker 기반 설치.
- `document_relations` 테이블 대신 AGE 그래프로 관계 관리.
- PGVector(의미검색) + AGE(관계탐색)를 하나의 DB에서 하이브리드 운용.

## 현재 상태 보정 (2026-03-22)

- Apache AGE: 운영 중. companyx_docs, document_graph 그래프 2개 운용.
- 하이브리드 검색 (vector + keyword + graph RRF): 구현 완료. graph_score가 검색 경로에 합산됨.
- 설계 별칭 document_relations = 운영 실체 Apache AGE 그래프.
- team_document: 1,174건 / team_document_chunk: 3,474건.

## Unresolved

- 그래프 노드/엣지 생성 규칙의 최종 SSOT가 아직 약하다.
- 삭제·이동·재색인 시 그래프를 언제 갱신하고 언제 재구성할지 운영 기준이 부족하다.

## 10. 관련 문서

- [PGVector·JSONB RAG 스키마 설계 리서치](./260320_PGVector_JSONB_RAG_스키마_설계_리서치.md)
- [Front Matter 메타데이터 설계 리서치](./260320_FrontMatter_메타데이터_설계_리서치.md)