AI 요약관련 정보

• RAG는 질문에 정확하게 답하기 위해 정보를 검색하는 것이다. 🔍
• 벡터 데이터베이스는 의미에 따라 텍스트 청크를 배치하는 다차원 공간이다. 🌌
• RAG 파이프라인은 텍스트 문서를 청크로 나누고, 임베딩 모델을 통해 벡터화하여 데이터베이스에 넣는 과정이다. ⚙️
• RAG 에이전트는 쿼리를 임베딩 모델로 보내 벡터화하고, 데이터베이스에서 관련 정보를 찾아 답변을 생성한다. 🧠
• 다양한 데이터 소스와 에이전트 트리거를 활용하여 RAG를 자동화 워크플로우에 통합할 수 있다. 🔄
• Superbase는 벡터 데이터베이스 및 관계형 데이터베이스 기능을 제공하며, Postgress SQL 기반 벡터 저장소를 사용한다. 🗄️
• Nitn에서 Google Drive, Superbase 벡터 스토어, 데이터 로더, 임베딩 모델을 연결하여 RAG 파이프라인을 구축할 수 있다. 🔗