텍스트 임베딩은 의미를 나타내는 숫자 목록입니다. Cloudflare Vectorize는 벡터를 검색 가능한 저장소에 보관하므로 사용자 표현이 저장된 텍스트와 정확히 일치하지 않아도 관련 문서를 검색할 수 있습니다. 유용한 검색 시스템에는 고정된 문서 ID, 호환되는 차원, 비동기 갱신 처리, 엄격한 고객 경계도 필요합니다.
작은 지원 지식 서비스를 한 역량씩 구축합니다. 인덱스를 생성하고 유지하며 의미 검색을 수행하고 서버가 제어하는 고객 및 범주 범위 안에서 검색하며 제한된 증거에 근거한 답을 생성합니다. 새로운 데이터베이스 및 검색 개념은 그것이 필요한 작업 옆에서 설명합니다. 안내형 실습 5개와 독립 고객 격리 도전 과제 1개로 구성되며 각 역량을 안내형 실습에서 먼저 익힙니다.
배울 내용
- 문서 벡터 인덱스 만들기: 호환되는 인덱스, 메타데이터 인덱스, 식별자가 있는 문서 벡터를 설정합니다.
- 인덱싱된 문서 최신 상태 유지하기: 변경된 레코드를 교체하고 ID 하나를 제거하며 비동기 변경을 안전하게 관찰합니다.
- 유사한 도움말 문서 검색하기: 질문을 임베딩하고 가까운 문서의 순위를 매기며 명확한 빈 결과를 반환합니다.
- 고객과 범주로 검색 범위 제한하기: 서버가 선택한 네임스페이스와 인덱싱된 메타데이터 필터를 결합합니다.
- 근거 있는 답변 엔드포인트 구축하기: 생성 전에 제한된 원문 구절을 검색하고 확인 가능한 출처를 인용합니다.
- 다른 고객의 검색 결과: 안전하지 않은 범위 재정의를 신뢰하는 엔드포인트를 독립적으로 복구합니다.
이 과정의 대상
벡터 인덱스를 유지하고 범위가 제한되며 출처에 근거한 검색을 구축하려는 Workers AI 학습자를 위한 과정입니다.
사전 요구 사항: Cloudflare Workers AI for Beginners와 Connect LabEx to Your Cloudflare Account를 완료하세요. JavaScript Worker, Workers AI 바인딩, 384차원 BGE Small 임베딩을 알아볼 수 있어야 합니다.
학습 환경: 자신의 Cloudflare 학습 계정을 사용하세요. 각 단원은 새 VM에서 시작하고 고유한 이름의 일회용 리소스를 생성하며 실제 클라우드 동작을 확인한 뒤 해당 리소스만 삭제하고 로그아웃합니다. 작은 인덱스와 제한된 쿼리는 문서화된 Workers Free 사용 한도 안에서 진행됩니다. 근거 기반 답변 실습은 공유 일일 Workers AI Free 할당량도 사용하며 Workers Paid가 필요하지 않습니다.
자주 묻는 질문
텍스트 임베딩이란 무엇인가요?
의미를 나타내는 숫자 목록입니다. Vectorize는 질문 표현이 저장된 텍스트와 달라도 애플리케이션이 관련 문서를 검색할 수 있도록 벡터를 저장합니다.
인덱스 변경이 즉시 표시되나요?
인덱스 변경은 비동기입니다. 실습은 고정된 문서 ID와 범위가 제한된 관찰을 통해 변경된 레코드를 교체하고 ID를 제거하며 애플리케이션의 검색 결과를 확인합니다.
고객 경계는 어떻게 적용하나요?
애플리케이션이 서버에서 네임스페이스를 선택하고 인덱싱된 메타데이터 필터를 적용합니다. 마지막 도전 과제는 안전하지 않은 클라이언트 범위 재정의를 신뢰하는 엔드포인트를 복구합니다.
근거 기반 생성에는 항상 충분한 증거가 있나요?
아니요. 제한된 구절을 검색하고 확인 가능한 출처를 인용하며 의도한 증거가 없으면 명확한 빈 결과를 반환하세요. 근거 기반 답변 실습은 공유 Workers AI 일일 할당량을 사용합니다.
