별도 벡터 DB가 필요한가요?

필수는 아닙니다. pgvector가 PostgreSQL에 벡터 기능을 추가합니다.

수백만에서 수십억 벡터. 대부분의 챗봇은 수천~수만 청크입니다.

서브밀리초 속도로 대략적으로 가장 가까운 벡터를 찾는 알고리즘입니다.

🗄️Vector Database

Vector Database

벡터 데이터베이스는 고차원 임베딩 벡터의 인덱싱, 저장, 쿼리에 최적화된 전문 데이터 저장소입니다.

What Is Vector Database?

벡터 데이터베이스는 고차원 벡터 데이터를 위해 설계된 시스템입니다. 정확한 일치로 검색하는 전통적 데이터베이스와 달리 유사도로 검색합니다. 근사 최근접 이웃(ANN) 검색이 RAG의 기반입니다. 전용 솔루션(Pinecone, Weaviate)과 확장(PostgreSQL용 pgvector) 등이 있습니다.

How Vector Database Works

인덱싱(메타데이터와 함께 벡터 저장)과 쿼리(보통 10ms 미만으로 최근접 이웃 찾기)를 관리합니다.

Why Vector Database Matters

RAG를 확장 가능하고 빠르게 만드는 핵심 인프라 컴포넌트입니다.

How Chatloom Uses Vector Database

Chatloom은 관계형 모델에 통합된 pgvector를 사용하며, 하이브리드 검색을 위해 tsvector로 보완합니다.

Related Terms

Explore related concepts to deepen your understanding.

임베딩

RAG

하이브리드 검색

청킹

Frequently Asked Questions

별도 벡터 DB가 필요한가요?: 필수는 아닙니다. pgvector가 PostgreSQL에 벡터 기능을 추가합니다.
처리 용량은?: 수백만에서 수십억 벡터. 대부분의 챗봇은 수천~수만 청크입니다.
ANN 검색이란?: 서브밀리초 속도로 대략적으로 가장 가까운 벡터를 찾는 알고리즘입니다.

Related Resources

Embedding (AI)Retrieval-Augmented Generation Hybrid Search RAG AI Chatbot Feature

챗봇 유지보수를 멈추세요. AI 에이전트를 출시하세요.

첫 번째 에이전트를

한 시간 이내에 구축.

템플릿을 선택하고, 콘텐츠를 연결하고, 모든 채널에 배포하세요. 무료 플랜이 준비되었을 때 사용할 수 있습니다.

평생 무료 플랜

신용카드 불필요

한 시간 이내에 프로덕션 준비