50분
실습: Chroma로 제조 문서 벡터 DB 구축
Day 3: 벡터 DB (Chroma, Pinecone)
실습: Chroma로 제조 문서 벡터 DB 구축
RAG 기초 > Day 3: 벡터 DB (Chroma, Pinecone)
학습 목표
Chroma 컬렉션을 생성하고 문서를 저장할 수 있다 메타데이터 필터를 활용한 검색을 구현할 수 있다 LangChain과 Chroma를 연동할 수 있다
Chroma 실습
로컬에서 Chroma 벡터 DB를 구축하고 제조 문서를 검색한다.
환경 설정
pip install chromadb langchain langchain-community
pip install langchain-openai # OpenAI 임베딩 사용 시실습 순서
- Chroma 컬렉션 생성 (메모리 / 영구 저장)
- 제조 문서 청크 저장 (메타데이터 포함)
- 유사도 검색
- 메타데이터 필터링 검색
- LangChain 연동
에디터 로딩 중...
힌트 보기
- • Chroma의 distance는 (1 - cosine_similarity)이므로, 유사도 = 1 - distance로 변환해야 한다.
- • get_or_create_collection으로 중복 생성을 방지할 수 있다.
- • $and, $or 연산자로 복잡한 메타데이터 필터 조합이 가능하다.
정답 보기
에디터 로딩 중...
AI로 학습하기 — 꿀팁
🤖Chroma 메타데이터 필터 쿼리 생성AI 학습 팁
AI에게 제조 문서(설비명·라인번호·문서유형) 메타데이터 기반 Chroma 필터 검색 코드를 스캐폴딩하도록 요청하세요.
설비명, 생산라인 번호, 문서유형(SOP/매뉴얼/품질기록)을 메타데이터로 저장한 제조 문서 Chroma 컬렉션에서, 특정 설비·특정 라인의 SOP만 필터링해서 유사도 검색하는 Python 코드를 구현해줘. 메타데이터 필터 조건 조합 예시도 포함해줘.
이 팁이 도움이 됐나요?
실습 — 직접 해보기
🧪Vector Store
벡터 DB에 문서를 넣고 유사도 검색을 직접 체험해보세요