Jina Embeddings

Jina Embeddings 노드는 오픈소스 벡터 AI 플랫폼인 Jina AI에서 제공하는 jina-embeddings 모델을 호출하여 텍스트를 벡터로 변환하는 노드입니다. 고차원 임베딩 벡터를 생성해 검색, 유사도 비교, 분류 등 다양한 AI 워크플로우에서 활용할 수 있습니다.

---

주요 기능

• jina-embeddings-v3 모델 기반 임베딩 생성 (기본 차원: 1024)

• 모델 이름 및 임베딩 차원을 사용자 지정 가능

• 청킹이 완료되지 않은 상태에서도 임베딩을 허용하는 옵션 제공

• 빠른 응답 속도와 경량 API 기반으로 실시간 처리에 적합

WindyFlo Jina Embeddings

입력값 (Inputs)

항목	설명	필수 여부
Connect Credential	Jina AI API 호출을 위한 인증 정보 (Credential에 등록)	필수
Model Name	사용할 임베딩 모델 이름 (예: jina-embeddings-v3)	필수
Dimensions	출력될 벡터의 차원 수 (예: 1024)	필수
Allow Late Chunking	청킹이 완료되지 않아도 임베딩을 허용할지 여부 (ON/OFF)	선택

---

파라미터 (Parameters)

※ 모든 파라미터는 입력값으로 구성되어 있으며 별도 고급 설정 항목은 없습니다.

---

출력값 (Outputs)

출력 항목	설명
JinaEmbeddings	입력 텍스트에 대한 벡터 임베딩 결과 배열

---

활용 예시

• 텍스트 데이터를 고차원 벡터로 변환하여 벡터 DB에 저장 (예: Faiss, Qdrant 등)

• 챗봇 또는 검색 시스템에서 유사 문서 탐색을 위한 쿼리 벡터 생성

• 분류, 군집화 등 ML 파이프라인의 전처리 벡터로 활용

• 빠른 임베딩 처리가 필요한 실시간 응답형 AI 시스템에 적용

---

사용 팁

• Dimensions는 일반적으로 1024 또는 768을 사용하며, 모델이 지원하는 범위 내에서만 설정 가능합니다.

• Allow Late Chunking을 활성화하면 문서 청킹 처리가 끝나지 않은 상태에서도 임베딩이 가능하지만, 일관성 있는 결과를 위해 기본적으로는 OFF 유지가 권장됩니다.

• Jina Embeddings는 속도와 효율성을 중시하므로, 대규모 배치 처리보다는 실시간 요청에 적합합니다.

• Connect Credential 설정 시 올바른 API Key 및 인증 스킴을 확인해야 합니다.

---

주의사항

• Jina AI API를 사용하기 위해 사전 등록된 API Key가 필요하며, 유료 플랜일 수 있습니다.

• 지원하지 않는 Dimensions 값 입력 시 에러가 발생할 수 있으므로 문서 또는 공식 가이드를 확인해야 합니다.

• Model Name은 정확히 일치해야 하며, 오타 또는 미지원 모델명 입력 시 실패합니다.

• 벡터 품질 및 속도는 설정값과 입력 데이터 크기에 따라 달라질 수 있습니다.