Notice
Recent Posts
Recent Comments
Link
| 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 |
Tags
- Linux
- PETERICA
- 오블완
- Rag
- AI
- golang
- tucker의 go 언어 프로그래밍
- LLM
- Kubernetes
- go
- 기록으로 실력을 쌓자
- CKA
- 코틀린 코루틴의 정석
- aws
- 공부
- MySQL
- Java
- 티스토리챌린지
- SRE
- APM
- kotlin coroutine
- AWS EKS
- Spring
- CloudWatch
- 정보처리기사 실기 기출문제
- kotlin
- 바이브코딩
- minikube
- Pinpoint
- CKA 기출문제
Archives
- Today
- Total
목록weaviate (1)
피터의 개발이야기
[AI] Weaviate Usage - VectorDB를 “검색 엔진”이 아니라 “의미 저장소”로 쓰는 법
[AI] LLM 학습 노트 공개 - Transformer부터 RAG까지, 그리고 운영 가능한 AI 시스템을 향해 ㅁ 들어가며앞선 글에서 Embedding, Vector Similarity, HNSW까지 정리했다면,이제 실제 VectorDB를 어떻게 쓰는지가 남는다.이번 글에서는 Weaviate를 기준으로,스키마 설계데이터 삽입 흐름벡터 검색하이브리드 검색(BM25 + Vector)을 정리한다. 중요한 점은 이것이다. Weaviate는 단순한 벡터 저장소가 아니라, “의미 기반 데이터 모델링 + 검색 엔진” 에 가깝다. ㅁ 왜 Weaviate인가VectorDB는 많다.Qdrant, Milvus, Pinecone 등 선택지는 충분하다.일전에 [AI] RAG구성을 위한 FAISS란?에서 FAISS를 정리하..
AI/AI이론 | 공부
2026. 2. 8. 16:03
