본문 바로가기 메뉴 바로가기

개발과 일상

프로필사진
  • 글쓰기
  • 관리
  • 태그
  • 방명록
  • RSS

개발과 일상

검색하기 폼
  • 분류 전체보기 (291)
    • 개발 (229)
      • AI (20)
      • AWS&인프라 (64)
      • 데이터베이스&캐시 (16)
      • Kotlin&JAVA (26)
      • SPRING (40)
      • 뭔지모르면여기 (46)
      • 코딩테스트 (16)
    • 일상 (58)
      • 책&강의후기 (15)
      • 대외활동 (22)
      • 생각정리 (8)
      • 여행 (12)
      • 경제? (1)
  • 방명록

pgvector (1)
벡터데이터베이스 pgvector 사용해보기 (with. 랭체인)

RAG 시스템에 필요한 것들을 개괄적으로 알아봤었다. 그리고 임베딩 모델의 중요성까지 알아봤다.2025.10.20 - [개발/AI] - RAG 이해하기: Embedding부터 평가 지표까지 RAG 시스템에 큰 영향을 주는 요소들은 데이터 전처리, 임베딩, 조회 알고리즘, 그리고 LLM이 대표적이다. 하지만 결국 저장소가 필요한 만큼 벡터 데이터베이스(Vector DB) 역시 간과할 수 없다. 특히 개발자 입장에서는 단순히 빠르기만 한 DB보다는쓰기 편하고, 조회 알고리즘 옵션이 다양하며, 환경에 맞게 유연하게 쓸 수 있는 도구가 훨씬 중요하다. 그래서 최근 여러 벡터 저장 방식을 테스트하고 있다. 그중 첫 번째로 선택한 건 PostgreSQL에서 제공하는 확장 기능인 pgvector였다. 개인적으로 P..

개발/AI 2025. 11. 4. 12:27
이전 1 다음
이전 다음
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
TAG
  • 티스토리챌린지
  • elasticsearch
  • AWS
  • ChatGPT
  • GIT
  • Kotlin
  • CORS
  • Redis
  • OpenAI
  • terraform
  • docker
  • serverless
  • AWS EC2
  • 인프런
  • Spring
  • CloudFront
  • 람다
  • java
  • ecs
  • 후쿠오카
  • JWT
  • AOP
  • 스프링부트
  • EKS
  • 오블완
  • springboot
  • lambda
  • S3
  • cache
  • Log
more
«   2025/12   »
일 월 화 수 목 금 토
1 2 3 4 5 6
7 8 9 10 11 12 13
14 15 16 17 18 19 20
21 22 23 24 25 26 27
28 29 30 31
글 보관함

Blog is powered by Tistory / Designed by Tistory

티스토리툴바