한 줄 요약

LlamaIndex는 RAG 빌딩블록 라이브러리입니다. Node parser, retriever, response synthesizer, query engine, agent — 추상화가 풍부하고 인덱싱 전략(KG, hierarchical, ensemble)을 빠르게 실험할 수 있습니다.

Schift는 그 추상화를 깎아낸 “검증된 default + runtime”입니다. 라이브러리로 prototype 한 RAG를 prod로 옮길 때 마주치는 운영 비용 — 멀티테넌트, 평가, 감사, 청구, 인용 추적 — 을 인프라 레이어에서 책임집니다.

성능 · 정확도

Schift는 한국어 RAG에 대해 재현 가능한 벤치마크를 운영합니다 (/benchmark).

벤치마크	Schift 측정값
Korean Legal multi-hop · recall@10 (hybrid + rerank)	79.2%
Korean Legal · 4-hop recall@20	59.3%
Korean Legal QA	54.7% (Qwen3-8B SOTA 대비 +13.2pp)

LlamaIndex 자체는 라이브러리이므로 “LlamaIndex의 정확도” 같은 측정값은 존재하지 않습니다. 위 정확도는 어떤 인덱스 전략 · retriever · 임베딩 · rerank · LLM을 조합했는지의 결과입니다. Schift는 그 조합 자체를 default로 검증해 동봉합니다 — 모든 추상화 옵션을 노출하는 대신 벤치를 통과한 default 한 가지를 책임집니다.

지원하는 것 / 안 하는 것

항목	LlamaIndex	Schift
검증된 RAG default	없음 (전략 선택은 운영자 책임)	벤치 통과한 hybrid+rerank default
실행 / 호스팅	자체 (또는 LlamaCloud SaaS)	호스팅형 서비스 / Compose / Terraform
관측 / 트레이싱	Arize · Langfuse 외부 통합	인용·LLM·비용 단위 audit 내장
평가 / 회귀	llama-index evaluation 모듈 (코드)	재현 가능한 벤치마크 harness
한국어 BM25 / OCR / 표	community parser (품질 편차)	내장 OCR + Korean tokenizer
멀티테넌트	없음 (애플리케이션 레이어 직접)	org · tenant · project · RLS 기본
SLA / 운영 책임	운영자	호스팅형 서비스 또는 Compose 번들
컴플라이언스	없음 (운영자 책임)	SOC 2 / SSO / SCIM / CMEK / DPA / 온프레

이럴 땐 LlamaIndex를 그대로 쓰세요

커스텀 retrieval 전략 연구. Knowledge Graph index, Tree summarization, Recursive retrieval 등 advanced RAG 패턴을 비교·실험하는 단계.
학술 논문 / 데모용 prototype. 인덱싱 전략 자체가 contribution인 경우 LlamaIndex의 풍부한 추상화가 가치를 발휘합니다.
RAG 코어를 자체 코드로 컨트롤해야 하는 사내 R&D. Schift의 “검증된 default”이 제약이 되는 경우.
이미 LlamaIndex + LlamaCloud로 운영 중이고 마이그레이션 ROI가 불분명. shadow mode로 일부 라우트만 비교 권장.

이럴 땐 Schift가 낫습니다

Production RAG. 인덱싱 전략 자체가 차별화가 아니고 “고객한테 정확한 답”이 차별화인 경우.
인용 / 감사 / 멀티테넌트 요구. LlamaIndex 위에 직접 구현하면 별도 프로젝트가 됩니다.
한국어 문서 비중이 높다. 관리형 1024d 임베딩 모델 · Korean tokenizer · 내장 OCR 기본 동봉.
평가가 first-class. 변경 시 회귀 측정이 코드 옆에 살아있어야 하는 경우.
온프레/BYOK가 deal-breaker.

마이그레이션은 어떻게 하나

Python schift-cli를 설치하고 마이그레이션용 Schift bucket을 준비.
SimpleDirectoryReader 로 읽던 코퍼스를 Schift bucket에 ingest.
query_engine.query() 라우트를 schift.ask() 로 교체.
shadow mode로 같은 query 양쪽에 보내 정확도 · 지연 · 비용 비교.

Schift vs LlamaIndex — 무엇이 다른가