청킹 전략 (RAG 최적화)

무엇을 해주나

• 문서 종류에 맞는 청킹 전략을 5단계(고정 크기 → 재귀 분할 → 구조 인식 → 시맨틱 → Late/Contextual Chunking)로 안내합니다.
• 청크 크기(256~1024 토큰), 오버랩(10~20%), 시맨틱 유사도 임계값(0.8) 등 시작 파라미터를 구체적 숫자로 제시합니다.
• 청크 응집도(0.3~0.7), 정밀도(≥0.7), 재현율(≥0.6) 같은 목표 지표와 미달 시 조정 규칙(정밀도 미달 → 청크 크기 25% 축소 등)을 제공합니다.
• 리소스 소모, 지연, 메모리 등 주의할 제약 사항도 함께 정리합니다.

이런 분께 추천

• RAG 챗봇이나 사내 문서 검색을 만들며 검색 품질이 안 나와 고민 중인 개발자
• LangChain, 벡터 DB(pgvector, Pinecone 등)를 다루는 AI 엔지니어
• 코드·Markdown·PDF 등 이질적인 문서를 임베딩해야 하는 데이터 팀

활용 예시

1. "사내 위키 Markdown 문서를 RAG에 넣으려는데 청크 전략 잡아줘" → 구조 인식 청킹 + 권장 파라미터 제안.
2. "검색 정밀도가 0.5밖에 안 나옵니다" → 청크 크기 25% 축소, 오버랩 조정 등 반복 튜닝 절차 안내.
3. "파이썬 레포를 임베딩하고 싶다" → ast 기반 함수·클래스 단위 청킹 코드 예시 제공.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/giuseppe-trisciuoglio/developer-kit/HEAD/plugins/developer-kit-ai/skills/chunking-strategy/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 giuseppe-trisciuoglio/developer-kit 의 plugins/developer-kit-ai/skills/chunking-strategy 폴더를 내 ~/.claude/skills/chunking-strategy/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.