이 가이드 에서는Voyage AI 사용하여 첫 번째 벡터 임베딩을 생성하고 기본 애플리케이션 빌드 방법을 학습 .
이 튜토리얼의 실행 가능한 버전을 Python 노트북으로 사용합니다.
모델 API 키 만들기
Voyage AI 모델에 액세스 하려면 MongoDB Atlas UI 에서 모델 API 키를 생성합니다.
무료 Atlas 계정에 등록 하거나 로그인.
Atlas 를 처음 사용하는 경우 조직 과 프로젝트 생성됩니다.
첫 번째 임베딩 생성
이 섹션에서는Voyage AI 임베딩 모델과 Python 클라이언트 사용하여 벡터 임베딩을 생성합니다.
스크립트 만듭니다.
프로젝트 에 quickstart.py 라는 파일 만들고 다음 코드를 붙여넣습니다. 이 코드는Voyage AI 클라이언트 초기화하고, 샘플 텍스트를 정의하며, 클라이언트 사용하여Voyage API 액세스 하여 voyage-4-large 모델로 벡터 임베딩을 생성합니다.
자세한 내용은 Python 클라이언트를 참조하거나 전체 API 사양을 살펴보세요.
import voyageai # Initialize Voyage client vo = voyageai.Client() # Sample texts texts = [ "hello, world", "welcome to voyage ai!" ] # Generate embeddings result = vo.embed( texts, model="voyage-4-large" ) print(f"Generated {len(result.embeddings)} embeddings") print(f"Each embedding has {len(result.embeddings[0])} dimensions") print(f"First embedding (truncated): {result.embeddings[0][:5]}...")
기본 RAG 애플리케이션 빌드
이제 벡터 임베딩을 생성하는 방법을 알게 되었으므로 기본 RAG 애플리케이션 빌드 Voyage AI 모델을 사용하여 AI 검색 구현 방법을 학습 . RAG를 사용하면 LLM이 답변을 생성하기 전에 데이터에서 관련 정보를 검색하여 컨텍스트 인식 응답을 생성할 수 있습니다.
참고
RAG 애플리케이션을 사용하려면 LLM에 액세스 해야 합니다. 이 튜토리얼에서는 Atronic 또는 OpenAI를 사용하는 예제를 제공하지만 원하는 LLM 제공자 사용할 수 있습니다.
학습 요약
이제 Voyage AI 사용하여 첫 번째 애플리케이션 만들었으므로 다음 섹션을 확장하여 이 빠른 시작에서 다루는 개념에 대해 자세히 학습 .
voyage-4-large 임베딩 모델을 사용하여 텍스트를 1024차원 벡터로 변환했습니다. 각 차원은 텍스트 의미의 측면을 캡처하는 학습된 기능 나타냅니다.
또한 rerank-2.5 순위 재지정 모델을 사용하여 쿼리 에 대한 검색 결과를 구체화했습니다. 점수가 높을수록 쿼리 와 문서 콘텐츠 간의 유사성이 강합니다.
voyageai Python SDK를 사용하여 임베딩 및 리랭킹 API 액세스 . SDK를 사용하여 모델을 호출할 때 input_type 검색 정확도를 개선하기 위해 매개 변수를 지정했습니다.
document: 데이터를 나타내는 임베딩을 최적화합니다.query: 쿼리 임베딩을 최적화합니다.
자세한 학습 은 텍스트 임베딩 사용 및 입력 유형 지정을 참조하세요.
내적 유사성 함수를 사용하여 의미적으로 유사한 문서를 찾았습니다. Numpy는 벡터 작업을 위한 내장 함수를 제공하는 오픈 소스 라이브러리이며, 이 애플리케이션 dot() 및 argsort() 함수를 사용하여 쿼리 와 문서 임베딩 간의 내적 유사성을 계산한 다음 다음 기준에 따라 문서를 정렬합니다. 유사성 점수.
시맨틱 검색 에 대해 자세히 input_type 학습 Voyage AI 임베딩을 사용한 시맨틱검색을 참조하세요. 텍스트 임베딩 사용법 및 매개변수에 대한 자세한 내용은 사용법을 참조하세요.
시맨틱 검색 및 재순위 지정을 LLM과 결합하여 기본 RAG 시스템을 만들었습니다. 시스템은 시맨틱 검색 사용하여 관련 문서를 검색하고, 문서의 순위를 재지정한 다음, 가장 관련성이 높은 문서 LLM에 제공하여 쿼리에 대한 정확하고 근거 있는 응답을 생성합니다.
RAG에 대해 자세히 학습 Voyage AI 사용한 검색-증강 생성(RAG)을 참조하세요.
다음 단계
학습을 계속하려면 다음 리소스를 참조하세요.