플로우이즈의 벡터 스토어로 카우치베이스 소개

이제 카우치베이스가 플로우이즈의 벡터 저장소로 공식 지원되어 사용자에게 벡터 데이터 관리 및 검색을 위한 강력한 고성능 솔루션을 제공하게 되었음을 알려드리게 되어 기쁩니다. 이 새로운 통합은 Flowise의 직관적인 노코드 AI 워크플로우 기능과 Couchbase의 확장 가능하고 유연한 벡터 스토리지를 결합하여 그 어느 때보다 쉽게 AI 기반 애플리케이션을 구축하고 배포할 수 있도록 해줍니다.

플로우이즈는 사용자가 코드 없이 시각적인 인터페이스로 AI 워크플로를 만들고 관리할 수 있는 오픈 소스 도구입니다. 머신러닝 모델과 데이터 파이프라인의 통합을 간소화하도록 설계되어 사용자가 복잡한 코딩 없이도 AI를 애플리케이션에 통합할 수 있는 접근 가능하고 효율적인 방법을 제공합니다.

다음 섹션에서는 이 통합에 대한 몇 가지 세부 사항을 살펴보겠습니다.

카우치베이스로 플로우이즈 설정하기

플로우이즈와 카우치베이스를 시작하려면 몇 가지 간단한 단계를 따라야 합니다.

Flowise 설치

플로우아이즈를 설치하는 방법은 여러 가지가 있습니다:

방법 1: NPM을 사용하여 로컬에 Flowise 설치하기

1. Flowise를 전 세계에 설치하세요:
   
   npm install -g flowise

   1	npm 설치 -g 플로우이즈

2. Flowise를 시작합니다:
   
   npx flowise start

   1	npx 플로우이즈 시작

방법 2: Docker를 사용하여 Flowise 설치하기

Docker와 함께 Flowise를 배포하는 방법에는 두 가지가 있습니다: 도커 컴포즈 또는 도커 이미지.

Docker 이미지 사용

1. 1. 플로우이즈 리포지토리를 로컬에 복제합니다:
      
      git clone https://github.com/FlowiseAI/Flowise.git

      1	git 복제 https://github.com/FlowiseAI/Flowise.git

   2. 프로젝트 루트의 docker 폴더로 이동합니다:
      
      cd docker

      1

      cd 도커

   3. 다음 명령을 사용하여 Docker 이미지를 빌드합니다:
      
      docker build --no-cache -t flowise .

      1	도커 빌드 --아니요-캐시 -t 플로우이즈 .

   4. 이미지가 빌드되면 컨테이너를 실행합니다:
      
      docker run -d --name flowise -p 3000:3000 flowise

      1	도커 실행 -d --이름 플로우이즈 -p 3000:3000 플로우이즈

   5. 실행 중인 컨테이너를 중지합니다:
      
      docker stop flowise

      1	도커 중지 플로우이즈

도커 컴포즈 사용

1. 1. 플로우이즈 리포지토리를 로컬에 복제합니다:
      
      git clone https://github.com/FlowiseAI/Flowise.git

      1	git 복제 https://github.com/FlowiseAI/Flowise.git

   2. 프로젝트 루트의 docker 폴더로 이동합니다:
      
      cd docker

      1

      cd 도커

   3. .env.example 파일을 복사하여 .env로 이름을 바꿉니다.
      
      cp .env.example .env

      1	cp .환경.예제 .환경

   4. 컨테이너를 시작하려면 Docker Compose를 사용하세요:
      
      docker compose up -d

      1	도커 작성 up -d

   5. 컨테이너를 다운시키려면 다음 명령을 사용합니다:
      
      docker compose stop

      1

      도커 작성 중지

이제 Flowise가 설치되었으므로 다음 주소로 이동하여 액세스할 수 있습니다. http://localhost:3000.

또는 다음을 사용할 수도 있습니다. 플로우이즈 클라우드 버전.

Couchbase에 업로드하고 쿼리 실행하기

이제 플로우이즈와 카우치베이스가 통합되었으므로 카우치베이스에 데이터를 삽입하고 벡터 검색을 수행할 수 있습니다. 이 블로그에서는 Flowise를 사용하여 PDF 파일을 Couchbase에 삽입하는 방법을 보여드리겠습니다.

1. 카우치베이스에 데이터 업서트

카우치베이스에 데이터를 삽입하려면 플로우이즈 캔버스에서 다음 노드를 끌어다 연결합니다:

• • • PDF 파일: 문서 업로드(예: Couchbase-docs.pdf)
    • 재귀 문자 텍스트 분할기: 텍스트를 청크로 분할합니다(예: 크기: 1000, 겹침: 200).
    • OpenAI 임베딩: 텍스트를 벡터 임베딩으로 변환합니다(예: 텍스트 임베딩-3-large).
    • 카우치베이스: 문서와 임베딩을 지정된 버킷, 범위, 컬렉션에 저장합니다. 벡터 인덱스를 추가하는 것을 잊지 마세요!

이제 데이터가 저장되었으므로 다음 Flowise 설정을 사용하여 데이터를 쿼리할 수 있습니다!

2. 쿼리 시작하기!

카우치베이스에서 데이터를 쿼리하려면 플로우이즈 캔버스에서 다음 노드를 끌어다 연결합니다:

• • • 카우치베이스 리트리버: 벡터 검색을 사용하여 관련 문서 청크를 가져옵니다.
    • ChatOpenAI: 검색된 컨텍스트를 처리하고 응답을 생성합니다(예: GPT-4o).
    • 대화형 검색 QA 체인: 멀티턴 상호작용을 처리하여 상황에 맞는 정확한 응답을 보장합니다.

이제 RAG 파이프라인이 저장된 지식을 사용하여 쿼리에 응답할 준비가 되었습니다!

결론

이 통합을 통해 Couchbase의 고성능 벡터 스토리지와 Flowise의 로우 코드 도구 기능을 사용하여 저장된 지식을 원활하게 쿼리할 수 있습니다. 임베딩, 검색, AI 기반 응답을 활용하면 확장 가능한 지능형 애플리케이션을 손쉽게 구축할 수 있습니다. 시맨틱 검색, 래그 애플리케이션, 기타 AI 기반 사용 사례 등 어떤 작업을 하든 이 설정은 효율성과 정확성을 보장합니다.

다음 단계

자세한 내용은 플로우이즈 AI 문서에 대한 통합 가이드를 포함하여 카우치베이스.

행복한 코딩!