PGVector는 Postgresql의 확장 기능입니다. 이 노드를 사용하여 Postgresql 데이터베이스의 PGVector 테이블과 상호작용할 수 있습니다. 벡터 테이블에 문서를 삽입하거나, 벡터 테이블에서 문서를 가져오거나, 체인¹에 연결된 리트리버에 문서를 제공하기 위해 검색하거나, 도구²로서 에이전트³에 직접 연결할 수 있습니다.

이 페이지에서는 PGVector 노드의 노드 파라미터와 추가 자료 링크를 확인할 수 있습니다.

노드 사용 패턴#

PGVector Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서를 삽입하고 검색#

PGVector Vector Store를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴은 에이전트를 사용하지 않고 일반 연결 흐름 안에 PGVector Vector Store를 배치합니다.

이 템플릿의 시나리오 1에서 이 예시를 확인할 수 있습니다(이 템플릿은 Supabase Vector Store를 사용하지만 패턴은 동일합니다).

AI 에이전트에 도구로 직접 연결#

PGVector Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 응답할 때 벡터 스토어를 리소스로 사용할 수 있습니다.

이 경우 연결은 다음과 같습니다: AI 에이전트(도구 커넥터) -> PGVector Vector Store 노드.

리트리버를 사용하여 문서 가져오기#

Vector Store Retriever 노드를 PGVector Vector Store 노드와 함께 사용하여 PGVector Vector Store 노드에서 문서를 가져올 수 있습니다. 이는 주어진 채팅 입력과 일치하는 문서를 벡터 스토어에서 가져오기 위해 Question and Answer Chain 노드와 함께 자주 사용됩니다.

연결 흐름의 예시(연결된 예시는 Pinecone을 사용하지만 패턴은 동일합니다)는 다음과 같습니다: Question and Answer Chain(리트리버 커넥터) -> Vector Store Retriever(Vector Store 커넥터) -> PGVector Vector Store.

Vector Store Question Answer Tool을 사용하여 질문에 답변#

또 다른 패턴은 Vector Store Question Answer Tool을 사용하여 PGVector Vector Store 노드에서 결과를 요약하고 질문에 답변합니다. PGVector Vector Store를 도구로 직접 연결하는 대신, 이 패턴은 벡터 스토어의 데이터를 요약하도록 특별히 설계된 도구를 사용합니다.

이 경우 연결 흐름(연결된 예시는 Simple Vector Store를 사용하지만 패턴은 동일합니다)은 다음과 같습니다: AI 에이전트(도구 커넥터) -> Vector Store Question Answer Tool(Vector Store 커넥터) -> Simple Vector store.

노드 파라미터#

결과 재정렬#

Get Many 파라미터#

• Table name: 쿼리하려는 테이블의 이름을 입력합니다.
• Prompt: 검색 쿼리를 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 개수를 설정하려면 숫자를 입력합니다. 예를 들어, 가장 적합한 결과 10개를 가져오려면 10으로 설정합니다.

Insert Documents 파라미터#

• Table name: 쿼리하려는 테이블의 이름을 입력합니다.

Retrieve Documents 파라미터 (체인/도구용 Vector Store로 사용 시)#

• Table name: 쿼리하려는 테이블의 이름을 입력합니다.

Retrieve Documents (AI 에이전트용 도구로 사용 시) 파라미터#

• Name: 벡터 스토어의 이름입니다.
• Description: 이 도구가 하는 일을 LLM에게 설명합니다. 좋고 구체적인 설명은 LLM이 예상되는 결과를 더 자주 산출하도록 돕습니다.
• Table Name: 사용할 PGVector 테이블을 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 개수를 입력합니다. 예를 들어, 가장 적합한 결과 10개를 가져오려면 10으로 설정합니다.

노드 옵션#

컬렉션#

PGVector에서 데이터셋을 분리하는 방법입니다. 이는 벡터가 어느 컬렉션에 속하는지 추적하기 위한 별도의 테이블과 칼럼을 생성합니다.

• Use Collection: 컬렉션을 사용할지(켜기) 사용하지 않을지(끄기) 선택합니다.
• Collection Name: 사용하려는 컬렉션의 이름을 입력합니다.
• Collection Table Name: 컬렉션 정보를 저장할 테이블의 이름을 입력합니다.

Column Names#

다음 옵션은 벡터 및 관련 정보를 저장할 칼럼의 이름을 지정합니다:

• ID Column Name
• Vector Column Name
• Content Column Name
• Metadata Column Name

Metadata Filter#

템플릿 및 예시#

PGVector Vector Store 노드 문서 통합 템플릿 둘러보기 또는 모든 템플릿 검색

관련 자료#

이 서비스에 대한 자세한 정보는 LangChain의 PGVector 문서를 참조하세요.

Footnotes

1. AI 체인을 사용하면 대규모 언어 모델(LLM) 및 기타 리소스와 일련의 컴포넌트 호출을 통해 상호작용할 수 있습니다. n8n의 AI 체인은 지속적인 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이를 위해서는 AI 에이전트를 사용하세요). ↩

2. AI 맥락에서 도구는 요청에 응답할 때 AI가 특정 정보나 기능을 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정한 집중 작업을 완료할 수 있습니다. ↩

3. AI 에이전트는 요청에 응답하고, 결정을 내리고, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대규모 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고, 사용 가능한 정보와 리소스를 활용하여 요청을 가장 잘 처리할 방법을 결정합니다. ↩