Weaviate Vector Store 노드 문서
n8n v2.29Weaviate 노드를 사용하여 Weaviate 컬렉션을 벡터 스토어1로 다룰 수 있습니다. 이 노드에 대한 인증 정보는 여기에서 확인할 수 있습니다. 이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요. Weaviate Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.
Weaviate 노드를 사용하여 Weaviate 컬렉션을 벡터 스토어1로 다룰 수 있습니다. 벡터 데이터베이스에 문서를 삽입하거나 벡터 데이터베이스에서 문서를 검색할 수 있습니다. 또한 체인2에 연결된 리트리버에 문서를 제공하기 위해 검색하거나, 이 노드를 에이전트3에 직접 연결하여 도구4로 사용할 수도 있습니다. 이 페이지에서는 Weaviate 노드의 노드 파라미터와 추가 리소스 링크를 확인할 수 있습니다.
이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.
노드 사용 패턴#
Weaviate Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.
일반 노드로 사용하여 문서 삽입 및 검색#
Weaviate Vector Store를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴에서는 에이전트를 사용하지 않고 Weaviate Vector Store를 일반적인 연결 흐름에 배치합니다.
AI 에이전트에 도구로 직접 연결#
Weaviate Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여, 쿼리에 답변할 때 벡터 스토어를 리소스로 사용할 수 있습니다.
이때 연결은 다음과 같습니다: AI 에이전트(도구 커넥터) -> Weaviate Vector Store 노드.
리트리버를 사용하여 문서 가져오기#
Vector Store Retriever 노드를 Weaviate Vector Store 노드와 함께 사용하여 Weaviate 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.
Vector Store Question Answer Tool을 사용하여 질문에 답변#
또 다른 패턴은 Vector Store Question Answer Tool을 사용하여 Weaviate Vector Store 노드의 결과를 요약하고 질문에 답변하는 것입니다. Weaviate Vector Store를 도구로 직접 연결하는 대신, 이 패턴에서는 벡터 스토어의 데이터를 요약하도록 특별히 설계된 도구를 사용합니다.
노드 파라미터#
멀티 테넌시
동일한 컬렉션 내에서 데이터를 격리된 테넌트로 분리할 수 있습니다(예: 서로 다른 고객별로 분리). 이를 위해서는 객체를 삽입하거나 검색할 때 항상 Tenant Name을 제공해야 합니다. Weaviate 문서에서 멀티 테넌시에 대해 자세히 알아보기
이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.
Get Many 파라미터#
- Weaviate Collection: 사용할 Weaviate 컬렉션의 이름을 입력합니다.
- Prompt: 검색 쿼리를 입력합니다.
- Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어 상위 결과 10개를 가져오려면
10으로 설정합니다.
Insert Documents 파라미터#
- Weaviate Collection: 사용할 Weaviate 컬렉션의 이름을 입력합니다.
- Embedding Batch Size: 한 번의 배치에서 임베딩할 문서 수입니다. 기본값은 200개 문서입니다.
Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#
- Weaviate Collection: 사용할 Weaviate 컬렉션의 이름을 입력합니다.
Retrieve Documents (As Tool for AI Agent) 파라미터#
- Weaviate Collection: 벡터 스토어의 이름입니다.
- Description: 이 도구가 하는 일을 LLM에 설명합니다. 좋고 구체적인 설명은 LLM이 더 자주 예상되는 결과를 만들어내도록 합니다.
- Weaviate Collection: 사용할 Weaviate 컬렉션의 이름을 입력합니다.
- Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어 상위 결과 10개를 가져오려면
10으로 설정합니다.
Include Metadata#
문서 메타데이터를 포함할지 여부입니다.
이는 Get Many 및 Retrieve Documents (As Tool for AI Agent) 모드에서 사용할 수 있습니다.
결과 재정렬#
이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.
노드 옵션#
검색 필터#
Get Many, Weaviate Vector Store 노드 문서, Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용할 수 있습니다.
데이터를 검색할 때 이 옵션을 사용하여 문서와 연관된 메타데이터를 매칭할 수 있습니다. 연산자와 쿼리 구조에 대해서는 Weaviate의 조건부 필터 문서에서 자세히 알아볼 수 있습니다.
서로 다른 연산자와 함께 AND와 OR를 모두 사용할 수 있습니다. 연산자는 대소문자를 구분하지 않습니다:
{
"OR": [
{
"path": ["source"],
"operator": "Equal",
"valueString": "source1"
},
{
"path": ["source"],
"operator": "Equal",
"valueString": "source1"
}
]
}
지원되는 연산자:
| Operator | Required Field(s) | Description |
|---|---|---|
'equal' |
valueString or valueNumber |
프로퍼티가 주어진 문자열 또는 숫자와 같은지 확인합니다. |
'like' |
valueString |
문자열 프로퍼티가 패턴(예: 부분 문자열 일치)과 일치하는지 확인합니다. |
'containsAny' |
valueTextArray (string[]) |
프로퍼티가 주어진 값 중 하나라도 포함하는지 확인합니다. |
'containsAll' |
valueTextArray (string[]) |
프로퍼티가 주어진 값을 모두 포함하는지 확인합니다. |
'greaterThan' |
valueNumber |
프로퍼티 값이 주어진 숫자보다 큰지 확인합니다. |
'lessThan' |
valueNumber |
프로퍼티 값이 주어진 숫자보다 작은지 확인합니다. |
'isNull' |
valueBoolean (true/false) |
프로퍼티가 null인지 여부를 확인합니다. (수집 전에 활성화해야 함) |
'withinGeoRange' |
valueGeoCoordinates (object with geolocation data) |
지리적 좌표와의 근접도로 필터링합니다. |
데이터를 삽입할 때 문서 로더가 메타데이터를 설정합니다. 문서를 로드하는 방법에 대한 자세한 내용은 Default Data Loader를 참고하세요.
메타데이터 키#
쿼리에서 Weaviate가 반환할 메타데이터 키를 정의할 수 있습니다. 정의한 프로퍼티만 가져오므로 네트워크 부하를 줄일 수 있습니다. 기본적으로 서버의 모든 프로퍼티를 반환합니다.
Get Many, Weaviate Vector Store 노드 문서, Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용할 수 있습니다.
Hybrid: Query Text#
벡터 검색과 키워드/텍스트 검색을 결합하려면 쿼리 텍스트를 입력합니다.
Hybrid: Explain Score#
하이브리드 검색과 벡터 검색 사이에서 결합된 점수에 대한 설명을 표시할지 여부입니다.
Hybrid: Fusion Type#
벡터 검색과 키워드 검색 결과를 결합하기 위한 퓨전 유형을 선택합니다. 퓨전 알고리즘에 대해 자세히 알아보기
옵션:
- Relative Score: 상대 점수 퓨전을 사용합니다
- Ranked: 순위 기반 퓨전을 사용합니다
Hybrid: Auto Cut Limit#
점수의 급격한 변동을 감지하여 결과 그룹을 제한합니다. 오토컷에 대해 자세히 알아보기
Hybrid: Alpha#
키워드 구성 요소와 벡터 구성 요소의 상대적 가중치를 변경합니다. 1.0 = 순수 벡터, 0.0 = 순수 키워드. 기본값은 0.5입니다. 알파 파라미터에 대해 자세히 알아보기
Hybrid: Query Properties#
쿼리에 포함할 프로퍼티의 쉼표로 구분된 목록으로, 선택적으로 가중치 값을 지정할 수 있습니다(예: "question^2,answer"). 프로퍼티 값에 가중치를 설정하는 방법에 대해 자세히 알아보기
Hybrid: Max Vector Distance#
벡터 검색 구성 요소에 허용되는 최대 거리를 설정합니다.
Tenant Name#
문서를 저장하거나 검색할 특정 테넌트입니다. 멀티 테넌시에 대해 자세히 알아보기
생성 시 활성화해야 함
컬렉션에 대해 멀티 테넌시를 활성화하려면 최초 수집 시 테넌트 이름을 전달해야 합니다. 생성 이후에는 멀티 테넌시를 활성화하거나 비활성화할 수 없습니다.
Text Key#
임베딩된 텍스트가 포함된 문서 내의 키입니다.
Skip Init Checks#
클라이언트를 인스턴스화할 때 초기화 검사를 건너뛸지 여부입니다.
Init Timeout#
초기 검사 중 타임아웃까지 대기할 시간(초)입니다.
Insert Timeout#
삽입 중 타임아웃까지 대기할 시간(초)입니다.
Query Timeout#
쿼리 중 타임아웃까지 대기할 시간(초)입니다.
GRPC Proxy#
gRPC 요청에 사용할 프록시입니다.
Clear Data#
Insert Documents 작업 모드에서 사용할 수 있습니다.
새 데이터를 삽입하기 전에 컬렉션 또는 테넌트를 비울지 여부입니다.
템플릿 및 예시#
Weaviate Vector Store 노드 문서 통합 템플릿 살펴보기 또는 전체 템플릿 검색하기
관련 리소스#
이 서비스에 대한 자세한 내용은 LangChain의 Weaviate 문서를 참고하세요.
셀프 호스팅 Weaviate 클러스터에 대해서는 Weaviate 설치를 참고하세요.
이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.
Footnotes
-
벡터 스토어(또는 벡터 데이터베이스)는 정보를 수학적으로 표현하여 저장합니다. 임베딩 및 리트리버와 함께 사용하여 AI가 질문에 답변할 때 참조할 수 있는 데이터베이스를 만들 수 있습니다. ↩
-
AI 체인을 사용하면 대규모 언어 모델(LLM) 및 기타 리소스와 컴포넌트 호출 순서를 통해 상호작용할 수 있습니다. n8n의 AI 체인은 영구 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이를 위해서는 AI 에이전트를 사용하세요). ↩
-
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 처리하는 방법을 결정합니다. ↩
-
AI 컨텍스트에서 도구는 요청에 응답할 때 AI가 특정 정보나 기능을 참조할 수 있는 부가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정한 집중 작업을 완료할 수 있습니다. ↩