LLM · RAG Platform

TreeRAG

Hierarchical Document Intelligence Platform

PDF를 계층적 지식 트리로 변환해 100% 추적 가능한 정밀 검색을 제공하는 LLM RAG 플랫폼.

PythonFastAPINext.js Gemini LLMRAGDockerTypeScript

View on GitHub

Overview

Vector DB 없이,
트리로 추론하다.

전통적 RAG의 벡터 임베딩 검색은 출처 추적이 어렵고 환각에 취약합니다. TreeRAG는 문서를 의미 계층 트리로 구조화하고, LLM이 트리를 직접 탐색(traversal)하도록 설계해 벡터 DB 없이 정밀하고 추적 가능한 검색을 구현합니다.

General / Medical / Legal / Financial / Academic 5개 도메인에 특화되어 있으며, 한국어·English·日本語 3개국어 UI를 지원합니다.

Methodology · Core Capabilities

계층 트리 기반 검색 엔진

01Hierarchical Tree-Based RAG — 벡터 DB가 필요 없는 계층 트리 구조로 문서를 표현합니다.
02Deep Tree Traversal — LLM 가이드 탐색으로 90%+ context 절감을 달성합니다.
03100% 페이지 레벨 인용 추적 — 클릭 시 PDF의 해당 페이지가 즉시 열립니다.
04멀티 문서 RAG — 여러 문서를 동시에 질의하고 자동 비교 테이블을 생성합니다.
05환각 감지 — 5-signal semantic similarity 알고리즘으로 신뢰도를 검증합니다.
06프로덕션급 인프라 — Docker, Rate Limiting, LRU Cache, 469개 테스트(96.9% pass).

Key Results

정량적 성과

90%+

Context Reduction

<2s

Response Time

96.9%

469 Tests Passing

10.2K

Backend LoC

캐시 적중률 90%+를 유지하며 Deep Traversal 모드에서 평균 90% 이상의 context 토큰을 절감했습니다. GitHub Stars ⭐ 6.

Tech Stack

기술 스택

Backend

FastAPI · Python 3.14
Pydantic V2
Celery · Redis
SlowAPI (Rate Limiting)

LLM

Gemini 3 Flash Preview
google.genai SDK
5-signal hallucination check

Frontend

Next.js 16 · React 19
TypeScript
Tailwind CSS 4

Infra

Docker · docker-compose
Git Hooks (API key 보안)
LRU Cache

← Back to Home View on GitHub