TogetherAIEmbedding

TogetherAIEmbedding 노드는 Together.ai 플랫폼에서 제공하는 사전 학습 임베딩 모델을 호출하여 텍스트 데이터를 벡터로 변환하는 노드입니다. 다양한 오픈소스 Sentence Transformers 모델을 API로 편리하게 사용할 수 있어 빠르게 RAG, 검색, 분류 기반 워크플로우를 구성할 수 있습니다.

---

주요 기능

• Together.ai API를 통해 고성능 임베딩 벡터 생성

• sentence-transformers/msmarco-bert-base-dot-v5 등 다양한 오픈소스 임베딩 모델 지원

• 캐시 설정을 통해 동일 요청에 대한 반복 처리 비용 절감 가능

• 검색 최적화된 임베딩 모델로 벡터 검색 정확도 개선

WindyFlo TogetherAIEmbedding

입력값 (Inputs)

항목	설명	필수 여부
Cache	캐시를 사용할지 여부 설정	선택
Connect Credential	Together.ai API 인증 정보 (Credential에 등록)	필수
Model Name	사용할 임베딩 모델 이름 (예: sentence-transformers/msmarco-bert-base-dot-v5)	필수

---

파라미터 (Parameters)

※ 별도 고급 파라미터는 없음

---

출력값 (Outputs)

출력 항목	설명
TogetherAIEmbedding	입력 텍스트에 대한 임베딩 벡터 결과 배열

---

활용 예시

• 고정된 사내 문서에 대해 msmarco 기반 임베딩으로 RAG 검색 정확도 개선

• 유사도 기반 추천 시스템에서 빠르고 정확한 문장 벡터 생성

• 오픈소스 임베딩 모델을 API 호출 형태로 간편하게 활용

• 캐시 노드연결결을 통해 동일 질의가 반복되는 상황에서 성능과 비용 최적화

---

사용 팁

• 기본 모델로 자주 활용되는 sentence-transformers/msmarco-bert-base-dot-v5는 검색에 최적화된 구조입니다.

• 캐시 노드를 연결하면 동일한 입력에 대한 재요청 시 API 비용을 줄이고 응답 속도를 향상시킬 수 있습니다.

• Together.ai는 OpenAI보다 저렴한 가격과 오픈모델 기반 구성이 가능하므로 비용 효율적인 벡터 생성이 가능합니다.

• 모델 이름은 Together.ai가 지원하는 모델 목록 중 정확한 이름으로 입력해야 합니다.

---

주의사항

• Connect Credential 누락 시 호출이 실패하며, 인증 오류가 발생합니다.

• 모델 이름은 Together.ai가 사전 배포한 모델명과 정확히 일치해야 하며, 오타 또는 미지원 모델은 오류 원인이 됩니다.

• 캐시 설정은 임베딩 정확도에 영향을 주지 않지만, 메모리 사용량이 증가할 수 있으므로 사용 환경에 맞게 조정하세요.

• Together.ai API 사용량에 따라 요금이 발생하며, 사전에 사용량 예측이 필요합니다.