# 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 * `Dimensions`는 일반적으로 `1024` 또는 `768`을 사용하며, 모델이 지원하는 범위 내에서만 설정 가능합니다. * `Allow Late Chunking`을 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 Name`은 정확히 일치해야 하며, 오타 또는 미지원 모델명 입력 시 실패합니다. * 벡터 품질 및 속도는 설정값과 입력 데이터 크기에 따라 달라질 수 있습니다.