이번 차시에서 배우는 것

출처: 원본 PDF 10차시_벡터저장소이해.pdf 1쪽 · 쪽 그림 1쪽

벡터저장소 이해 — 수만 개 중에서 순식간에 찾기

✓ 왜 전용 저장소가 필요한지 이해한다
✓ FAISS로 인덱스를 만들고 디스크에 저장한다
✓ 저장한 인덱스를 다시 불러와 임베딩 비용을 아낀다 ✓ 점수를 포함한 검색으로 결과의 신뢰도를 확인한다 ✓ 문서를 추가·삭제하는 방법을 익힌다
✓ 상황에 맞는 저장소를 고르는 기준을 안다

교안 해설: 이 시간에 하는 일

출처: 교안 10_벡터저장소이해.md

질문마다 모든 조각과 1536차원 곱셈을 하면 조각 수가 늘 때 느려집니다. FAISS는 가까운 후보를 빨리 찾는 인덱스입니다. 정확도를 조금 양보하는 대신 속도를 얻습니다. 학습과 프로토타입에는 로컬 파일인 FAISS로 충분합니다.

저장하면 index.faiss와 index.pkl이 생깁니다. 교안은 이 바이너리를 복사하지 않습니다. 실행하면 그 차시 폴더에 새로 생깁니다. indexer.py의 get_store는 폴더가 있으면 불러오고, 없으면 만들어 저장합니다.

거리와 유사도는 방향이 반대인 경우가 있습니다. 함수 이름이 with_score이면 작을수록 가까운 거리일 수 있고, relevance score는 클수록 가깝습니다. 불러올 때 임베딩 모델이 저장할 때와 다르면 검색이 이상해집니다. 세 파일은 API 또는 저장된 인덱스가 필요해 샘플은 예시입니다.

강의 PPT 흐름

출처: 강의 PPT 10차시_벡터저장소이해.pptx (21장)