최근 건축 구조공학 분야에서도 대규모 언어 모델(LLM)을 활용한 인공지능(AI) 기술 도입이 증가하고 있지만, 한국형 구조설계 기준과 같은 지역 특화 규정을 반영하지 못하거나 잘못된 정보를 제공하는 환각 현상 등 여러 한계를 보인다. 이를 극복할 수 있는 유 망한 기술로서 검색-증강 생성(RAG)이 제시되고 있으며, 본 논문에서는 한국 건축 구조공학 도메인에 특화된 RAG 시스템인 StructCPT를 개발하여 그 성능을 평가하였다. StructCPT는 한국어 기반 구조공학 지식베이스에서 질의에 적합한 정보를 실시간으로 추출하는 도메인 특화 검색기이며, 대조학습 기반의 MAXIM(Maximum Similarity Retrieval) 임베딩 기법을 이용하여 질의와 문서 간 최대 의미적 유사도를 학습한다. 실험 결과 StructCPT는 BM25, Contriever, SPECTER와 같은 기존 범용 검색 기법들 대비 정량적 평 가 지표에서 일관되고 유의미한 성능 향상을 보여주었다. 특히 구조공학 전문 용어 처리와 복합적 질의에 대한 검색 정확도 및 재현율 에서 월등히 높은 성과를 나타냈으며, 실제 구조공학 문제 적용에서도 높은 정확도를 달성하였다. 또한 검색 속도와 메모리 사용 측면 에서도 실무 적용에 적합한 효율성을 입증하였다. 본 연구는 구조공학 분야에 특화된 최초의 RAG 시스템 개발 사례로서, 향후 도면･ 이미지 등 멀티모달 정보와 지식그래프 통합을 통한 추가 발전 방향을 제시하며, 안전하고 신뢰할 수 있는 AI 기반 구조공학 의사결 정 지원의 기초를 마련하였다.