GoogleGenerativeAI Embeddings

GoogleGenerativeAI Embeddings 노드는 Google Cloud Vertex AI 기반의 embedding-001 모델을 사용하여 텍스트를 벡터로 변환합니다. 검색, 분류, 유사도 분석, 군집화 등 다양한 목적에 따라 Task Type을 명확히 지정할 수 있으며, Google이 제공하는 고성능 임베딩 품질을 기반으로 다양한 파이프라인에서 활용됩니다.

---

주요 기능

• Google Generative AI의 embedding-001 모델을 사용하여 임베딩 벡터 생성

• 목적에 따라 Task Type 설정 가능: 검색, 분류, 유사도, 군집화 등

• Google Cloud 기반 인프라를 활용해 안정적이고 빠른 처리 가능

• 생성된 벡터는 검색, 추천, 분류 등 다양한 다운스트림 작업에 활용 가능

WindyFlo GoogleGenerativeAI Embeddings

입력값 (Inputs)

항목	설명	필수 여부
Connect Credential	Google API 호출을 위한 인증 정보 (Credential에 등록)	필수
Model Name	사용할 임베딩 모델 이름 (현재는 embedding-001만 지원)	필수
Task Type	임베딩 목적에 따라 처리 유형 선택	필수

---

파라미터 (Parameters)

※ 별도 파라미터 항목은 없으며, 입력값만으로 설정됨

---

출력값 (Outputs)

출력 항목	설명
GoogleGenerativeAiEmbeddings	입력 텍스트에 대한 임베딩 벡터 결과 배열

---

활용 예시

• 사용자 질문 및 문서에 대해 RETRIEVAL_QUERY / RETRIEVAL_DOCUMENT로 임베딩 설정하여 RAG 파이프라인 구성

• 유사도 판단이 필요한 추천 시스템에 SEMANTIC_SIMILARITY 방식으로 벡터 생성

• 카테고리 분류용 데이터를 CLASSIFICATION 타입으로 임베딩하여 ML 모델에 입력

• 고객 발화 데이터를 벡터화한 뒤 CLUSTERING 유형으로 군집 분석 수행

---

사용 팁

• Task Type은 반드시 목적에 맞게 설정해야 합니다. 아래 기준 참고:

  • RETRIEVAL_QUERY: 사용자 검색 쿼리용 벡터

  • RETRIEVAL_DOCUMENT: 문서 저장용 벡터

  • SEMANTIC_SIMILARITY: 유사도 분석용

  • CLASSIFICATION: 분류 목적 입력

  • CLUSTERING: 군집화 분석용

• RETRIEVAL_QUERY와 RETRIEVAL_DOCUMENT는 반드시 짝으로 설정해야 검색 성능이 극대화됩니다.

• TASK_TYPE_UNSPECIFIED은 테스트 외에는 권장되지 않으며, 명확한 목적을 지정하는 것이 성능상 유리합니다.

• Google Cloud 프로젝트 및 API Key 설정이 완료되어 있어야 정상 호출됩니다.

---

주의사항

• Connect Credential에 등록된 인증 정보가 정확하지 않으면 호출이 실패합니다.

• Task Type을 설정하지 않거나 목적에 맞지 않게 설정할 경우, 결과 벡터의 품질이 저하되거나 의도한 작업이 어려워질 수 있습니다.

• 현재는 embedding-001 모델만 지원되며, 다른 모델 이름 입력 시 오류가 발생합니다.

• Google API 호출 시 사용량에 따라 과금이 발생할 수 있으므로 사전 모니터링이 필요합니다.