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 노드의 인증 정보는 AWS 자격 증명 문서를 참조하세요.

프라이빗 DNS 없이 VPC 인터페이스 엔드포인트(PrivateLink)를 통해 Bedrock을 라우팅하는 경우, 자격 증명에서 Bedrock Endpoint와 Bedrock Runtime Endpoint 사용자 지정 엔드포인트를 설정하세요.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

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 모델 또는 추론 프로파일(inference profile)을 선택합니다. 드롭다운에는 온디맨드 임베딩 모델과 임베딩 추론 프로파일이 함께 표시됩니다. 드롭다운이 비어 있거나 일부만 표시되는 경우, IAM 역할에 bedrock:ListFoundationModels 또는 bedrock:ListInferenceProfiles 권한이 없을 수 있습니다. 필드를 Expression 모드로 전환하고 모델 또는 추론 프로파일 ID를 직접 입력하세요.

사용 가능한 모델에 대해 자세히 알아보려면 Amazon Bedrock 문서를 참고하세요.

노드 옵션#

  • Additional Model Request Fields: 모델별 요청 필드를 JSON으로 입력합니다. 예를 들어 Titan의 dimensions와 normalize, Cohere의 input_type과 truncate가 있습니다. 모델 계열별로 지원하는 필드는 AWS 모델 파라미터 문서를 참고하세요.
  • Max Retries: 요청을 재시도할 최대 횟수를 입력합니다.
  • Timeout: 요청이 완료될 때까지 기다리는 최대 시간을 밀리초 단위로 입력합니다. 0으로 설정하면 제한 시간이 비활성화됩니다.

템플릿 및 예제#

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

관련 자료#

AWS Bedrock에 대한 자세한 정보는 AWS 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 v2.42
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 노드의 인증 정보는 AWS 자격 증명 문서를 참조하세요.

프라이빗 DNS 없이 VPC 인터페이스 엔드포인트(PrivateLink)를 통해 Bedrock을 라우팅하는 경우, 자격 증명에서 Bedrock Endpoint와 Bedrock Runtime Endpoint 사용자 지정 엔드포인트를 설정하세요.

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

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 모델 또는 추론 프로파일(inference profile)을 선택합니다. 드롭다운에는 온디맨드 임베딩 모델과 임베딩 추론 프로파일이 함께 표시됩니다. 드롭다운이 비어 있거나 일부만 표시되는 경우, IAM 역할에 bedrock:ListFoundationModels 또는 bedrock:ListInferenceProfiles 권한이 없을 수 있습니다. 필드를 Expression 모드로 전환하고 모델 또는 추론 프로파일 ID를 직접 입력하세요.

사용 가능한 모델에 대해 자세히 알아보려면 Amazon Bedrock 문서를 참고하세요.

노드 옵션#

  • Additional Model Request Fields: 모델별 요청 필드를 JSON으로 입력합니다. 예를 들어 Titan의 dimensions와 normalize, Cohere의 input_type과 truncate가 있습니다. 모델 계열별로 지원하는 필드는 AWS 모델 파라미터 문서를 참고하세요.
  • Max Retries: 요청을 재시도할 최대 횟수를 입력합니다.
  • Timeout: 요청이 완료될 때까지 기다리는 최대 시간을 밀리초 단위로 입력합니다. 0으로 설정하면 제한 시간이 비활성화됩니다.

템플릿 및 예제#

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

관련 자료#

AWS Bedrock에 대한 자세한 정보는 AWS 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. ↩