임베딩·벡터 검색 설정

본 챕터는 지식 검색의 핵심인 임베딩 모델·리랭커·벡터 데이터베이스 설정을 다룹니다.

구성 요소

지식 검색은 다음 3개 구성요소가 함께 동작합니다.

구성요소	영문	역할
임베딩 모델	Embedding Model	문서·질의를 벡터로 변환
벡터 데이터베이스	Vector Database	벡터를 저장하고 유사도 검색
리랭커	Reranker	1차 검색 결과의 순위를 정밀하게 재조정

임베딩 모델 등록

좌측 메뉴 관리 설정 → 환경 설정 → 검색 / 임베딩을 선택하고 임베딩 모델 탭으로 이동합니다.

1. + 모델 추가 클릭
2. 다음 항목 입력
   • 모델명
   • 프로바이더 (OpenAI / vLLM 등)
   • 모델 식별자 (예: text-embedding-3-large, 사내 모델명)
   • 차원(Dimension) — 모델이 출력하는 벡터의 차원 수 (예: 1536)
3. 연결 테스트 → 실제 임베딩 호출 성공 확인
4. 저장

차원 변경 시 재임베딩 필요

이미 임베딩한 컬렉션의 차원과 다른 모델로 변경하면 기존 벡터를 사용할 수 없습니다. 컬렉션을 통째로 재임베딩해야 합니다 (시간·비용 발생).

리랭커 등록

리랭커는 1차 검색 결과(예: 상위 50개)의 순위를 더 정확하게 재조정합니다. 정확도 향상에 효과적이지만 응답 시간이 늘어납니다.

1. 리랭커 탭 → + 리랭커 추가
2. 모델명·프로바이더·식별자 입력
3. 연결 테스트 → 저장

리랭커는 선택사항입니다. 사용 여부와 임계치는 개별 컬렉션 또는 에이전트플로우에서 설정합니다.

벡터 데이터베이스 연결

기본 지원 엔진은 Qdrant 입니다.

1. 벡터 데이터베이스 탭 → 연결 설정
2. 다음 항목 입력
   • 호스트: qdrant.internal.example.com
   • 포트: 기본 6333 (HTTP), 6334 (gRPC)
   • API 키 (인증 활성화된 경우)
3. 연결 테스트 → 저장

디스크 모니터링

벡터 데이터베이스는 컬렉션이 늘수록 디스크를 빠르게 소비합니다. 시스템 모니터의 디스크 사용률을 주기적으로 확인하고, 임계치 알림을 설정하세요.

운영 점검

점검 항목	빈도	방법
벡터 DB 디스크 사용량	매주	시스템 모니터
임베딩 호출 실패율	매주	감사 로그 또는 LLM 프로바이더 콘솔
리랭커 응답 시간	매월	채팅 응답 시간 통계
유사도 검색 품질	분기	샘플 질의 결과 검토

문의

임베딩·벡터 검색 관련 문의는 Xgen 솔루션 관리자에게 문의해 주세요.