Vector DB
Weaviate
BM25+벡터 하이브리드 검색을 내장한 오픈소스 벡터 DB Weaviate와 WeaviateVectorStore
Weaviate
Weaviate는 오픈소스 벡터 DB로, BM25 키워드 검색과 벡터 검색을 결합한 하이브리드 검색을 기본 제공합니다. 셀프호스트(Docker/Kubernetes)나 Weaviate Cloud로 운영합니다. LangChain 연동은 langchain-weaviate이며 Weaviate Python 클라이언트 v4 기준입니다.
참고
langchain-weaviate는 AgentLab 샌드박스에 설치되어 있지 않습니다. 아래 코드는 참고용이며 최신 시그니처는 공식 문서를 확인하세요.
Import
bash
pip install langchain-weaviate # weaviate-client v4 포함
python
import weaviate
from langchain_weaviate import WeaviateVectorStore
시그니처
python
WeaviateVectorStore(
client, # weaviate.WeaviateClient (v4)
index_name: str, # 컬렉션 이름 (대문자로 시작)
text_key: str, # 본문 속성 이름
embedding=None, # Embeddings
...
)
WeaviateVectorStore.from_documents(documents, embedding, client=client, index_name=None, ...)
파라미터
| 파라미터 | 타입 | 기본값 | 설명 |
|---|---|---|---|
client | weaviate.WeaviateClient | (필수) | weaviate.connect_to_local(), weaviate.connect_to_weaviate_cloud(...) |
index_name | str | (필수) | Weaviate 컬렉션 이름 |
text_key | str | (필수) | page_content를 저장할 속성 |
embedding | Embeddings | None | None | LangChain 쪽에서 임베딩을 계산할 때 지정 |
메서드와 반환값
표준 인터페이스(add_documents, similarity_search, similarity_search_with_score, max_marginal_relevance_search, delete, as_retriever)를 따릅니다. similarity_search는 내부적으로 하이브리드 쿼리를 실행하며 alpha로 비중을 조절합니다.
| 키워드 | 설명 |
|---|---|
alpha | 0 = 순수 BM25, 1 = 순수 벡터, 그 사이 = 가중 결합 |
filters | weaviate.classes.query.Filter 객체 |
tenant | 멀티테넌시가 켜진 컬렉션의 테넌트 이름 |
예제
python
import weaviate
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from langchain_weaviate import WeaviateVectorStore
from weaviate.classes.query import Filter
client = weaviate.connect_to_local() # docker로 띄운 localhost:8080
try:
store = WeaviateVectorStore.from_documents(
[Document(page_content="에러 코드 E1234 해결법", metadata={"category": "ops"})],
OpenAIEmbeddings(model="text-embedding-3-small"),
client=client,
)
docs = store.similarity_search(
"E1234",
k=3,
alpha=0.5, # 키워드와 벡터를 반반
filters=Filter.by_property("category").equal("ops"),
)
finally:
client.close()
주의사항
주의
v4 클라이언트는 연결을 명시적으로 닫아야 합니다(client.close() 또는 with weaviate.connect_to_local() as client:). 닫지 않으면 리소스 경고가 납니다. v3 클라이언트(weaviate.Client) 예제는 더 이상 동작하지 않습니다.
팁
고유명사·코드가 많은 문서는 alpha를 0.3~0.5 정도로 낮춰 키워드 비중을 높여 보고, 평가 셋으로 비교하세요.