Weaviate는 오픈소스 vector database입니다. 좋아하는 ML model에서 data object와 vector embedding을 저장하고, 수십억 개의 data object로 원활하게 확장할 수 있습니다.
Weaviate란 무엇인가요?
  • Weaviate는 vector search engine 유형의 오픈소스 데이터베이스입니다.
  • Weaviate를 사용하면 class property와 유사한 방식으로 JSON document를 저장하면서 machine learning vector를 이러한 document에 첨부하여 vector space에서 표현할 수 있습니다.
  • Weaviate는 독립적으로 사용하거나(즉, 자체 vector 가져오기) vectorization을 수행하고 핵심 기능을 확장할 수 있는 다양한 module과 함께 사용할 수 있습니다.
  • Weaviate는 데이터에 쉽게 액세스할 수 있는 GraphQL-API를 제공합니다.
  • 우리는 단 몇 밀리초 만에 쿼리할 수 있도록 vector search 설정을 프로덕션에 적용하는 것을 목표로 합니다(Weaviate가 사용 사례에 적합한지 확인하려면 오픈소스 벤치마크를 확인하세요).
  • 5분 이내에 기본 시작 가이드에서 Weaviate를 알아보세요.
Weaviate 상세 정보: Weaviate는 다양한 미디어 유형(텍스트, 이미지 등)을 기본적으로 지원하는 저지연 vector search engine입니다. Semantic Search, Question-Answer Extraction, Classification, Customizable Models(PyTorch/TensorFlow/Keras) 등을 제공합니다. Go로 처음부터 구축된 Weaviate는 object와 vector를 모두 저장하여 vector search를 구조화된 필터링 및 cloud-native database의 fault tolerance와 결합할 수 있습니다. GraphQL, REST 및 다양한 클라이언트 측 프로그래밍 언어를 통해 모두 액세스할 수 있습니다.

​
Installation and Setup

Python SDK 설치: 
pip install langchain-weaviate

​
Vector Store

Weaviate index를 감싸는 wrapper가 존재하여 semantic search 또는 example selection을 위한 vectorstore로 사용할 수 있습니다. 이 vectorstore를 import하려면: 
from langchain_weaviate import WeaviateVectorStore
Weaviate wrapper에 대한 자세한 안내는 이 notebook을 참조하세요
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I