DeepSearfing

사용 예시

• GenOS에 업로드한 벡터 DB를 연결 검색할 수 있도록 하는 위비에이트 기반 노드로 검색이 필요한 워크플로우에서 사용할 수 있습니다.

  • Embeddings : 벡터 DB를 검색할때 사용할 임베딩 서빙을 연결합니다.

  • Weaviate Host : GenOS에서 생성한 벡터 DB를 선택합니다.

  • Weaviate Index : 벡터 DB가 인덱스가 한개일 경우 자동 선택됩니다.

  • Additional Parameter : 세부 검색기의 설정을 변경할 수 있습니다.

  • Output : Retriever 와 vector store 중 하나를 선택할 수 있습니다.

    • Retriever는 딥서핑 노드에서 설정된 검색기 설정으로 검색해서 다음 체인으로 연결합니다.

    • Vector Store는 벡터 DB로서의 역할만 하며 다음 연결된 Retriever 종류의 노드 설정값으로 검색합니다.

검색기 설정

• 검색기의 세부 설정을 변경할수 있습니다.

  • Weaviate Text Key : context가 들어있는 키값을 변경할 수 있습니다. GenOS에서 관리하는 벡터 DB를 사용하면 변경할 필요는 없습니다.

  • Weaviate Metadata Keys : context를 구조화해서 프롬프트에서 넘겨줄때 사용할 meta data를 추가할 수 있습니다.

  • Top K : 검색해서 가져올 context의 개수 입니다.

  • Weaviate Search Filter : meta data 를 json형태로 전달하여 검색 대상을 지정할 수 있습니다.

  • Search Type : 검색 방식을 선택할 수 있습니다. Similarity 와 MRR 방식을 제공합니다.

    • Similarity 는 임베딩 모델 값의 코사인 유사독 기반으로 검색합니다.

    • MRR (Max Marginal Relavance) 는 Similarity 로 다수의 청크를 선택하고, 이 대상 중 서로 거리가 먼것들을 선택합니다.

      • 벡터 DB에 내용이 유사한 청크가 많은데 RAG 답변시 에는 다양한 정보를 참고하기를 원하실때 사용하면 유용한 검색 방식입니다.