InfoGrab DocsInfoGrab Docs

Embeddings AWS Bedrock 노드 문서

요약

Embeddings AWS Bedrock 노드를 사용하여 주어진 텍스트에 대한 임베딩1을 생성하세요. 이 페이지에서는 Embeddings AWS Bedrock 노드의 노드 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

Embeddings AWS Bedrock 노드를 사용하여 주어진 텍스트에 대한 임베딩1을 생성하세요.

이 페이지에서는 Embeddings AWS Bedrock 노드의 노드 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

Note

자격 증명

이 노드에 대한 인증 정보는 여기에서 확인할 수 있습니다.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

노드 매개변수#

  • Authentication: 인증 방법을 선택합니다:
    • AWS (IAM): IAM 액세스 키를 사용합니다. AWS 자격 증명을 선택합니다.
    • AWS (Assume Role): IAM 역할을 임시로 위임받습니다(assume). AWS (Assume Role) 자격 증명을 선택합니다.
  • Model: 임베딩을 생성하는 데 사용할 모델을 선택합니다. 드롭다운이 비어 있는 경우, IAM 역할에 bedrock:ListFoundationModels 권한이 없을 수 있습니다. 필드를 Expression 모드로 전환하고 모델 ID를 직접 입력하세요.

사용 가능한 모델에 대해 자세히 알아보려면 Amazon Bedrock 문서를 참고하세요.

템플릿 및 예제#

Embeddings AWS Bedrock 노드 문서 통합 템플릿 살펴보기 또는 전체 템플릿 검색하기

관련 자료#

AWS Bedrock에 대한 자세한 정보는 LangChain의 AWS Bedrock 임베딩 문서AWS Bedrock 문서를 참고하세요.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

Footnotes

  1. 임베딩은 벡터를 사용하여 데이터를 수치로 표현한 것입니다. AI는 임베딩을 사용하여 여러 차원에 걸쳐 값을 매핑함으로써 복잡한 데이터와 관계를 해석합니다. 벡터 데이터베이스(vector store)는 임베딩을 저장하고 접근하기 위해 설계된 데이터베이스입니다.

Embeddings AWS Bedrock 노드 문서

n8n v2.29
원문 보기
요약

Embeddings AWS Bedrock 노드를 사용하여 주어진 텍스트에 대한 임베딩1을 생성하세요. 이 페이지에서는 Embeddings AWS Bedrock 노드의 노드 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

Embeddings AWS Bedrock 노드를 사용하여 주어진 텍스트에 대한 임베딩1을 생성하세요.

이 페이지에서는 Embeddings AWS Bedrock 노드의 노드 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

Note

자격 증명

이 노드에 대한 인증 정보는 여기에서 확인할 수 있습니다.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

노드 매개변수#

  • Authentication: 인증 방법을 선택합니다:
    • AWS (IAM): IAM 액세스 키를 사용합니다. AWS 자격 증명을 선택합니다.
    • AWS (Assume Role): IAM 역할을 임시로 위임받습니다(assume). AWS (Assume Role) 자격 증명을 선택합니다.
  • Model: 임베딩을 생성하는 데 사용할 모델을 선택합니다. 드롭다운이 비어 있는 경우, IAM 역할에 bedrock:ListFoundationModels 권한이 없을 수 있습니다. 필드를 Expression 모드로 전환하고 모델 ID를 직접 입력하세요.

사용 가능한 모델에 대해 자세히 알아보려면 Amazon Bedrock 문서를 참고하세요.

템플릿 및 예제#

Embeddings AWS Bedrock 노드 문서 통합 템플릿 살펴보기 또는 전체 템플릿 검색하기

관련 자료#

AWS Bedrock에 대한 자세한 정보는 LangChain의 AWS Bedrock 임베딩 문서AWS Bedrock 문서를 참고하세요.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

Footnotes

  1. 임베딩은 벡터를 사용하여 데이터를 수치로 표현한 것입니다. AI는 임베딩을 사용하여 여러 차원에 걸쳐 값을 매핑함으로써 복잡한 데이터와 관계를 해석합니다. 벡터 데이터베이스(vector store)는 임베딩을 저장하고 접근하기 위해 설계된 데이터베이스입니다.