Vector Databases: Pinecone, Weaviate & pgvector · 강의

벡터화 모듈 및 자동 임베딩

Weaviate의 벡터화 모듈이 가져오기 시점에 데이터 객체를 벡터로 자동 변환하는 방법과 클래스 및 속성별로 모듈을 구성하는 방법을 배웁니다.

벡터화 모듈 및 자동 임베딩은(는) CoddyKit의 무료 Vector Databases: Pinecone, Weaviate & pgvector 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Vector Databases: Pinecone, Weaviate & pgvector 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Vector Databases: Pinecone, Weaviate & pgvector 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

Who Creates the Vectors?

Vector search needs every object to have a vector. You can compute embeddings yourself, or let Weaviate do it via a vectorizer module that embeds objects automatically on import.

What Is a Vectorizer Module?

A vectorizer is a pluggable module (e.g. text2vec-openai, text2vec-cohere, text2vec-huggingface) that Weaviate calls to convert text into vectors. You choose it when defining a class.

Configuring a Vectorizer

The vectorizer is set in the class schema.

class_def = {
  'class': 'Article',
  'vectorizer': 'text2vec-openai',
  'properties': [
    {'name': 'title', 'dataType': ['text']},
    {'name': 'body', 'dataType': ['text']}
  ]
}
print(class_def['vectorizer'])

Auto-Embedding on Import

With a vectorizer set, you import plain objects and Weaviate embeds them for you. No need to call an embedding API yourself.

Send object properties
Module generates the vector
Object stored with its vector

Choosing Which Properties to Embed

Not every property should influence the vector. You can skip properties (like IDs or timestamps) so only meaningful text contributes to the embedding.

prop = {
  'name': 'sku',
  'dataType': ['text'],
  'moduleConfig': {'text2vec-openai': {'skip': True}}
}
print('skip embedding:', prop['moduleConfig']['text2vec-openai']['skip'])

Including Property Names

By default Weaviate can prepend the property name to its value before embedding. Disabling 'vectorizePropertyName' keeps the vector focused on content rather than field labels.

Bring Your Own Vectors

You can also set vectorizer to 'none' and supply precomputed vectors at import. Useful when you already run a custom embedding pipeline or need a model Weaviate does not host.

Module Configuration

Each vectorizer accepts options in moduleConfig, such as the model name or dimensions. Set them at the class level to control how embeddings are produced.

module_config = {
  'text2vec-openai': {'model': 'text-embedding-3-small', 'type': 'text'}
}
print(module_config['text2vec-openai']['model'])

Consistency at Query Time

The same vectorizer embeds your query so it lives in the same space as stored objects. This is why mixing models or changing the vectorizer after import breaks search consistency.

Auto vs Manual Trade-offs

When to use each:

Auto-embedding — simplest, less code, Weaviate manages calls
Manual vectors — full control, custom models, batch pre-processing

Putting It Together

Pick a vectorizer per class, skip irrelevant properties, configure the model, and let Weaviate auto-embed on import. Or set 'none' to bring your own vectors. Keep the vectorizer consistent between import and query.

Quick Check

Test your understanding of vectorizers.

Recap

You learned that Weaviate vectorizer modules auto-embed objects on import. Configure the module per class, skip non-meaningful properties, set the model in moduleConfig, or use 'none' to bring your own vectors. Keep the vectorizer consistent between import and query for valid search.

자주 묻는 질문

“벡터화 모듈 및 자동 임베딩” 강의는 무료인가요?

네 — “벡터화 모듈 및 자동 임베딩” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Vector Databases: Pinecone, Weaviate & pgvector 강의 전체를 잠금 해제할 수 있습니다. Vector Databases: Pinecone, Weaviate & pgvector 강의에는 총 4개의 강의가 포함되어 있습니다.

“벡터화 모듈 및 자동 임베딩”에서 뭘 배우나요?

Weaviate의 벡터화 모듈이 가져오기 시점에 데이터 객체를 벡터로 자동 변환하는 방법과 클래스 및 속성별로 모듈을 구성하는 방법을 배웁니다. 브라우저에서 직접 실행하는 실습 코드로 Vector Databases: Pinecone, Weaviate & pgvector을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Vector Databases: Pinecone, Weaviate & pgvector을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Vector Databases: Pinecone, Weaviate & pgvector은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“벡터화 모듈 및 자동 임베딩” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Vector Databases: Pinecone, Weaviate & pgvector 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Vector Databases: Pinecone, Weaviate & pgvector 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Vector Databases: Pinecone, Weaviate & pgvector(으)로 돌아가기