솔루션 홈페이지(가제)
Vectocore
데이터를 효율적으로 저장하고 쿼리하도록 설계된 특수 DB
Vectocore는 현대퓨처넷의 벡터 데이터베이스입니다.
즐겨 사용하는 ML 모델의 데이터 개체 및 벡터 임베딩을 저장하고 수십억 개의 데이터 개체로 원활하게 확장할 수 있습니다.
Vectocore는
어떻게 작동하나요?
  • User prompt
  • Embedding
    API
  • Prompt
    embedding
  • Vector
    database
  • Relevant
    documents
  • Context-aware
    prompt
  • Language
    model
  • Result
  • Vectocore 작동 프로세스
  • 현대퓨처넷 서비스 제공 영역
Vectocore는
어떻게 설계되었나요?
간단한 API호출로 Vectocore의 강력한 기능을 활용하여
인덱스를 생성하세요.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
def get_doc(self, index_name, vector_qeustion, k):
    response = {}
    try:
        payload = {}
        payload['command'= 'get' # create, get, list, delete 제공
        payload['type'= 'doc'
        payload['name'= index_name # 생성된 index 이름
        payload['body'= {
            "vector" : vector_qeustion, # 임베딩 데이터 (질문)
            "vector_num" : k # 가지고올 임베딩 데이터 수
        }
 
        response = self.request_post(
            url=self.itne_vector_api_url, # 발급받은 url
            payload=payload
        ( 
 
        if response['statusCode'!= 200:
            raise Exception(response['body']['error_msg'])
 
    except Exception as e:
        logger.error('itne vector get_doc : {}'.format(e))
    return response
Vectocore로 할 수 있는 일
Vectocore의 적용 사례
소개합니다
솔루션에 대해
궁금한 사항이 있으시다면
언제든지 문의해 주세요
각 분야의 담당자들이 신속하게 답변 드리겠습니다.

문의하기

솔루션 홈페이지(가제)