Embeddings Azure OpenAI 노드#
Embeddings Azure OpenAI 노드를 사용하여 주어진 텍스트에 대한 임베딩을 생성합니다.
이 페이지에서는 Embeddings Azure OpenAI 노드의 노드 매개변수를 찾고, 추가 리소스에 대한 링크를 제공합니다.
Credentials
이 노드의 인증 정보를 여기에서 찾을 수 있습니다.
하위 노드에서의 매개변수 해석
하위 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.
대부분의 노드는(루트 노드 포함) 여러 개의 항목을 입력으로 받아 각 항목을 개별적으로 처리한 후 결과를 출력합니다.
이 과정에서 표현식을 사용하면 입력 항목을 참조할 수 있으며, 노드는 각 항목에 대해 표현식을 순차적으로 해석합니다.
예를 들어, name 값이 5개 있는 경우, {{ $json.name }} 표현식은 각각의 이름으로 순차적으로 해석됩니다.
하지만 하위 노드에서는 표현식이 항상 첫 번째 항목으로 해석됩니다.
즉, name 값이 5개 있어도 {{ $json.name }} 표현식은 항상 첫 번째 name 값으로 해석됩니다.
노드 옵션#
- 모델 (배포) 이름: 임베딩 생성을 위해 사용할 모델(배포)을 선택합니다.
- 배치 크기: 각 요청에 보낼 최대 문서 수를 입력합니다.
- 줄바꿈 제거: 입력 텍스트에서 줄 바꿈 문자를 제거할지(켜기) 여부를 선택합니다(꺼짐 상태인 경우). n8n에서는 기본적으로 이 기능이 켜져 있습니다.
- 타임아웃: 요청이 소요될 수 있는 최대 시간을 초 단위로 입력합니다. 타임아웃이 없으려면
-1로 설정합니다.
템플릿과 예제#
관련 리소스#
서비스에 대한 더 많은 정보는 LangChains의 OpenAI 임베딩 문서를 참조하세요.
n8n의 고급 AI(Advanced AI) 문서를 확인하세요.
AI 용어집 (AI Glossary)#
- 완성(Completion): GPT와 같은 모델이 생성하는 응답을 의미합니다.
- 환각(Hallucinations): AI에서 "환각"이란 LLM(대규모 언어 모델)이 실제로 존재하지 않는 패턴이나 개체를 잘못 인식하는 현상을 의미합니다.
- 벡터 데이터베이스(Vector Database): 정보를 수학적으로 표현한 벡터 데이터를 저장하는 데이터베이스입니다.
임베딩(Embeddings) 및 검색기(Retrievers)와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 구성할 수 있습니다. - 벡터 저장소(Vector Store): 벡터 데이터베이스와 동일한 개념으로, 정보를 수학적으로 표현한 벡터 데이터를 저장하는 시스템입니다.
임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 참조할 수 있는 데이터베이스를 구축할 수 있습니다.