벡터 데이터베이스Vector DB
한마디로
임베딩 벡터를 저장하고 빠르게 검색하는 DB예요. Pinecone, Supabase pgvector 등이 있고, RAG의 검색 엔진 역할을 해요
벡터 DB는 '의미 좌표(임베딩)를 저장하고 가까운 것을 빠르게 찾는' 특수 데이터베이스예요. 수백만 개 문서 벡터 중에서 질문과 의미가 가장 가까운 몇 개를 순식간에 골라내죠.
RAG에서 '관련 문서 검색' 단계를 담당해요. Pinecone, Weaviate 같은 전용 제품도 있고, Postgres에 pgvector 확장을 붙여 쓰기도 해요. Postgres에 pgvector를 붙여 대규모 벡터 검색을 구현할 수도 있어요. 전용 벡터 DB가 더 유리한지는 데이터 규모뿐 아니라 검색 정확도, 필터 조건, 동시 요청량과 운영 요구를 함께 비교해야 해요.
태그
관련 용어
- 임베딩텍스트를 의미를 담은 숫자 벡터로 변환한 것이에요. 의미가 비슷한 글은 벡터도 가까워서, 유사도 계산의 기반이 돼요
- 검색 증강 생성외부 문서를 검색해 그 내용을 근거로 답변을 생성하는 방식이에요. 환각을 줄이고 최신, 사내 정보를 답에 반영할 수 있어요
- 시맨틱 검색(의미 검색)키워드 일치가 아니라 '의미 유사도'로 찾는 검색이에요. 단어가 달라도 뜻이 가까우면 찾아줘요
- 그래프 RAG(GraphRAG)문서에서 뽑아 만들거나 이미 갖고 있는 지식 그래프에서 개체와 관계의 연결을 따라 근거를 모아 답하는 RAG 방식이에요. 여러 단계를 건너 이어지는 관계나 문서…
공유