벡터 DB 연동 (Pinecone/Supabase)

STEP·19 / AI ORCHESTRATION / CHAPTER 18 — 벡터 DB 연동

# Supabase pgvector (추천 — 무료 플랜)

-- SQL: 벡터 테이블 생성
CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE documents (
  id BIGSERIAL PRIMARY KEY,
  content TEXT,
  embedding vector(1536)  -- OpenAI ada-002 차원
);
 
-- 유사도 검색 함수
SELECT content, 1 - (embedding <=> query_embedding) AS similarity
FROM documents
ORDER BY embedding <=> query_embedding
LIMIT 5;

# Node.js 연동

import { createClient } from '@supabase/supabase-js';
&nbsp;
async function searchDocuments(query: string) {
  // 쿼리 임베딩 생성
  const embedding = await openai.embeddings.create({
    model: 'text-embedding-ada-002',
    input: query
  });
  &nbsp;
  const { data } = await supabase.rpc('match_documents', {
    query_embedding: embedding.data[0].embedding,
    match_count: 5
  });
  return data;
}

# AI 프롬프트 활용

"이 벡터 DB를 활용해서 사용자별 대화 기억을
 저장하고 검색하는 AI 메모리 시스템 만들어줘"