William

답변이 늦어서 죄송합니다. 임베딩이라는 것이 TEXT를 Vector화한 수치 값으로 만드는 것이기에 위의 내용이 정상인 상화입니다. 외부 정보(URL, File)같은 경우에는 실제로 해당 사이트의 정보를 가져와서, vector하거나 참조하고자 하는 파일을 별도로 가져와서 답변을 해주셔야 합니다. 이부분은 또한 Langchain 역할과도 같은데요. 이 부분에 대한 지원도 빠르게 진행 예정에 있습니다. 참고 부탁 드립니다.

안녕하세요. 문의 주신 사항에 답변을 드립니다. 우선 현재 하이퍼클로바 X에서 제공하는 API들은 다음과 같습니다. Embedding API, Segment API, Summary API 등을 제공하고 있습니다. 상세 설명은 하기 url을 참고 부탁 드립니다. https://guide.ncloud-docs.com/docs/clovastudio-explorer03 그 외, 벡터 DB에 대한 것은 저희가 별도로 제공하고 있지는 않으며, 추천하는 벡터 DB는 파일에 표기된 것처럼 Chrom, Pinecone, Milvus, Qdrant, Postgre SQL, Weaviate 를 권장드리고 있습니다. 사용예시는 첨부해드린 파일에서 Milvus 케이스만 전달 드리고 있습니다.

네이버 클라우드 입니다. LLM을 활용하여 정해진 문서에 대하여 묻고 답변을 하는 챗봇을 만들고 싶은데, 어떻게 해야하는지 막막하시다구요? Hallucination(그럴싸한 거짓말)이 나오면 안 되는 챗봇을 만들고 싶은데, 어떻게 해야하는 것일까요? 아마 RAG(Retieval-augmented Generation)을 들어보셨을 것 같습니다. RAG Architecture를 활용하여, 이러한 챗봇을 만들 수 있습니다. 상세한 내용은 첨부한 가이드파일을 참고 부탁 드립니다.^^ HyperCLOVAX_RAG_검색증강생성_Workshop_231027.pdf

10월17일 저녁에 업데이트 예정이여서, 18일 부터 업데이트 된 내용들을 확인 가능하실 것 같습니다.