OpenAI Embeddings

OpenAI Embeddings 노드는 OpenAI의 고성능 임베딩 모델(text-embedding-3 시리즈 및 text-embedding-ada-002)을 호출하여 텍스트를 벡터로 변환하는 노드입니다. 다양한 크기와 성능의 모델을 선택할 수 있으며, 검색, 유사도 비교, 분류, 클러스터링 등 다양한 AI 워크플로우에 활용할 수 있습니다.

---

주요 기능

• OpenAI가 제공하는 최신 임베딩 모델을 통해 고품질 벡터 생성

• text-embedding-3-large, text-embedding-3-small, text-embedding-ada-002 중 선택 가능

• 대량 입력을 처리하기 위한 Batch 설정, 응답 지연 제어, 차원 수 설정 등 다양한 파라미터 지원

• 줄바꿈 처리 옵션 등 데이터 정제 유연성 확보

WindyFlo OpenAI Embeddings

WindyFlo OpenAI Embeddings Parameters

입력값 (Inputs)

항목	설명	필수 여부
Connect Credential	OpenAI API 인증 정보 (Credential에 등록)	필수
Model Name	사용할 임베딩 모델 이름 (예: text-embedding-3-large, text-embedding-ada-002)	필수

---

파라미터 (Parameters)

항목	설명
Strip New Lines	개행 문자 제거 여부 (기본값: false)
Batch Size	한 번에 처리할 텍스트 수 (예: 100)
Timeout	응답 대기 시간 제한 (ms 단위)
BasePath	OpenAI API 커스텀 엔드포인트 (선택, 예: 프록시 서버 주소)
Dimensions	출력 임베딩 벡터 차원 수 (모델에 따라 지원 범위 상이)

---

출력값 (Outputs)

출력 항목	설명
OpenAIEmbeddings	입력 텍스트에 대한 임베딩 벡터 배열 결과

---

활용 예시

• RAG 파이프라인에서 사용자 질문과 문서 임베딩을 생성해 유사도 기반 검색 구현

• 제품 설명, 리뷰 데이터를 임베딩 후 클러스터링을 통한 인사이트 도출

• 다국어 텍스트 데이터를 임베딩 후 분류 모델의 입력 데이터로 활용

• 기존 검색 시스템에 벡터 필터 기능을 추가하여 정확도 향상

---

사용 팁

• text-embedding-3-large는 가장 높은 품질의 벡터를 생성하며, 성능이 중요한 분석이나 고정도 검색에 적합합니다.

• text-embedding-ada-002는 빠르고 저렴한 비용으로 실시간 임베딩 처리에 적합합니다.

• Strip New Lines를 활성화하면 줄바꿈을 제거해 일관된 벡터 생성이 가능하며, 특히 문장 단위 임베딩 시 유용합니다.

• Dimensions 파라미터는 text-embedding-3 시리즈에서만 사용 가능하며, 출력 차원 수를 조정하여 공간 최적화가 가능합니다.

---

주의사항

• Model Name은 반드시 OpenAI가 공식 지원하는 모델명만 입력해야 하며, 오타 또는 지원 종료된 모델은 호출 실패 원인이 됩니다.

• Dimensions 파라미터는 text-embedding-3에서만 사용 가능하며, text-embedding-ada-002에서는 무시됩니다.

• Batch Size가 너무 클 경우 OpenAI API 요청 크기 제한(토큰 기준)을 초과하여 실패할 수 있으므로 조정이 필요합니다.

• OpenAI API 사용량에 따라 요금이 발생하므로 트래픽에 따라 비용 계획을 수립해야 합니다.