← 노드 한 장 전체#58 · Embeddings OpenAI
Embeddings OpenAI
직접 쓴 문장 3개를 숫자 배열로: 실제 벡터 3개와 각 256차원 확인
이 글은 이런 분께문장을 숫자 배열로 바꾸는 임베딩의 역할과 n8n 연결 위치를 처음 배우는 분
1분 영상은 @workflow.hanjang 에 순서대로 공개돼요
문장을 숫자 배열로 바꾸는 모델.
노드 한 장 #58 · Embeddings OpenAI
먼저 결과부터
Embeddings OpenAI는 문장을 숫자 배열로 바꾸는 모델 연결 자리입니다. 직접 작성한 샘플 문장 3개를 text-embedding-3-small(Dimensions256)로 실제 변환했고, 반환 배열 3개 각각의 길이256을 직접 확인했습니다(#74869, 노드435ms). n8n 1 item 안에 벡터3개가 들어 있어요. 실제 벡터로 계산한 코사인은 A-B0.6153, A-C0.3647이었지만 확률·정확도가 아니라 이번 세 문장의 비교일 뿐입니다. 저장까지만 시연했으며 채팅 모델 호출이나 검색 성능 검증은 하지 않았어요.
우리가 실제로 돌린 기록 · 실행 #74869 · 2026-10-30
우리가 실제로 돌린 기록 · 실행 #74869 · 2026-10-30
따라 하기
실제로 실행한 워크플로우를 바탕으로 정리했어요. 계정·식별자는 공개용 값으로 치환했고, 그 밖의 차이는 아래 주의사항에 표시했어요. n8n 캔버스에서 +를 눌러 노드를 순서대로 추가하고 같은 값을 넣으면 돼요. 빨간 제목이 이번 편의 주인공 노드예요. 표 왼쪽은 n8n 편집기에 보이는 칸 이름, 오른쪽은 다운로드 JSON의 설정값이에요. 직접 입력하기 번거로우면 JSON을 받아 ⋯ → Import from File로 가져오세요.
Step 1. Manual Trigger 노드 추가이름: Run manually
설정 없이 그대로 추가해요.
Step 2. Code 노드 추가이름: Three self-authored sentences
| JavaScript | // 직접 작성한 샘플 문장, 실제 고객 데이터 아님.
return ["택배는 내일 도착합니다.","배송은 다음 날 도착할 예정입니다.","비 오는 날 따뜻한 차를 마십니다."].map(sentence=>({json:{sentence}})); |
Step 3. Simple Vector Store 노드 추가이름: Own Simple Vector Store
| Operation Mode | Insert Documents |
| Memory Key | TEST_EMBEDDING_STORE |
| Clear Store | 꺼짐 |
Step 4. Default Data Loader 노드 추가이름: Default Data Loader
| Type of Data | JSON |
| Mode | Load All Input Data |
| Text Splitting | Simple |
Step 5. Embeddings OpenAI 노드 추가이름: Embeddings OpenAI
| Model | text-embedding-3-small |
| Options › Dimensions | 256 |
| Options › Batch Size | 3 |
| Options › Encoding Format | Float |
가져와서 쓸 때 확인할 것
- [실제 확인] 모델을 text-embedding-3-small, Dimensions를 256으로 설정했고 실제 반환 배열 세 개 각각의 길이를 256으로 직접 확인했습니다. 문서의 기본 차원 수를 실측인 척 쓰지 않았어요.
- [실제 확인] n8n 임베딩 출력은 1 item이지만 response 안쪽에는 벡터 배열 3개가 있습니다. item 수와 벡터 수를 혼동하지 마세요.
- [실제 확인] Data Loader는 Load All Input Data로 처리했고 실제 pageContent와 임베딩 입력 documents가 작성한 세 문장과 일치했습니다. 문장별 동적 표현식을 쓴 실습이 아니에요.
- [실제 확인] 실제 배열의 코사인을 직접 계산했지만 이 값은 확률·정확도 퍼센트가 아니며 세 샘플의 비교만 보여줍니다.
- [실제 확인] 고유한 본인 테스트 저장소 키만 사용했고 54/55의 키를 재사용하지 않았습니다. 공개 TEST_EMBEDDING_STORE는 본인만의 새 키로 바꾸세요.
- [별도 실행 검증 2026-10-29T18:38:34.971Z] 공개 Clear Store=false 설정을 새 고유 개인 키의 빈 실습 저장소에서 실행 #74887로 검증했습니다. 동일 원문3개와 실제3vectors×256을 확인했어요. 원영상 #74869는 기존 고유 키 Clear Store=true/435ms 기록으로 그대로이며 새 검증 시간으로 바꾸지 않았습니다.
- [실제 확인] 문서 저장까지만 실행했으며 검색, 챗봇 답변이나 일반 검색 정확도를 시연하지 않았어요.
- YOUR_… 표시를 내 값으로 바꾸고, 계정이 필요한 서비스 노드만 자격 증명을 연결하세요. 그런 칸이나 노드가 없는 예제는 추가 계정 없이 실행할 수 있어요.
노드의 모든 옵션은 n8n 공식 문서에서 볼 수 있어요.