문서 임베딩 및 저장
검색을 위한 문서를 준비하는 마지막 단계는 임베딩하고 저장하는 일입니다. 이번 과제에서는 OpenAI의 text-embedding-3-small 모델을 사용해 청크된 문서를 임베딩하고, 로컬 Chroma 벡터 데이터베이스에 저장할 거예요.
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 논문을 재귀적으로 분할해서 만든 chunks는 미리 로드되어 있습니다.
이 연습 문제에서는 OpenAI API 키를 생성하거나 사용할 필요가 없습니다. <OPENAI_API_TOKEN> 자리표시자를 그대로 두면 OpenAI API로 유효한 요청이 전송됩니다.
이 연습은 강의의 일부입니다
LangChain을 활용한 RAG(검색 증강 생성)
연습 안내
- OpenAI의 기본 임베딩 모델을 초기화하세요.
embedding_model을 사용해 문서chunks를 임베딩하고, Chroma 벡터 데이터베이스에 저장하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Initialize the OpenAI embedding model
embedding_model = ____(api_key="", model='text-embedding-3-small')
# Create a Chroma vector store and embed the chunks
vector_store = ____