벡터 DB retrieval · embeddings · 15건 · 2026-04-18~2026-06-25
vector-db rag embedding llm-wiki
임베딩 검색을 저장·질의하는 데이터베이스.

벡터 DB — 에르메스단 2026-04-18 ~ 2026-06-25 기간 AI 대화 15건에서 종합.

임베딩 벡터를 저장하고 유사도 검색하는 DB(Chroma·Qdrant·pgvector 등). RAG·임베딩 파이프라인과 기억 레이어 구현의 핵심 부품으로 논의됐다.

연결 주제: RAG, 임베딩, LLM Wiki, 에이전트 메모리 레이어

논의 흐름

2026년 4월

  • 우리끼리 임베딩벡터만 통하면 되는거 아닐까요
  • 정확힌 벡터 DB 위에 온톨로지

2026년 5월

  • ## Honcho → Hindsight 마이그레이션 시 막히는 부분 & 솔루션 ### 1. Where Models Agree | Finding | Claude Opus 4.7 Thinking | GPT-5.4 Thinking | Gemini 3.1…
  • ### 1. 기본 기능 — LLM key 없어도 가능 - workspace / peer / session 생성 - 메시지 저장 - Hermes가 필요할 때 Honcho tool로 raw context 읽기 - 수동 conclusion 저장/조회…
  • 🚀 Hermes Agent 새 버전 출시: v0.14.0 (v2026.5.16) 버전 • 항목: 버전 • 내용: v0.14.0 / 태그: v2026.5.16 출시일 • 항목: 출시일 • 내용: 2026-05-16 02:58:57…

2026년 6월

  • 전부 AI 에이전트용 "메모리(기억) 레이어" 도구들입니다. LLM이 대화가 끝나거나 세션이 바뀌면 모든 걸 잊어버리는 문제를 해결하려고, 사용자 정보·선호·과거 대화를 저장했다가 다시 꺼내 주입해 주는 인프라예요. 2026년 들어 이게…
  • 안녕하세요. 질문 하나 드립니다. 그동안 모든 개발을 작은 미니pc를 서버로 하나 두고, 그 서버에 claude cli를 호출해서 처리시켰으며, 외부에서는 ssh로 접근했습니다. 도메인은 하나 구매했고, 클라우드플래어로 연결해둔 상태구요.…
  • 위키가 관계성으로 찾기쉽게한다의 개념이긴하지만 임베딩서치 속도를 따라잡긴 쉽지가 않아서.. 속도측면에서 벡터서치를 기반으로하는 rag는 계속살아남지않을까 생각됩니다. 청킹기법이나 이런건 좀 더 바뀌겠죠.

핵심 포인트

  • Dayum_gud (2026-05-06): ## Honcho → Hindsight 마이그레이션 시 막히는 부분 & 솔루션 ### 1. Where Models Agree | Finding | Claude Opus 4.7 Thinking | GPT-5.4…
  • brain.disconnected (2026-06-21): 전부 AI 에이전트용 "메모리(기억) 레이어" 도구들입니다. LLM이 대화가 끝나거나 세션이 바뀌면 모든 걸 잊어버리는 문제를 해결하려고, 사용자 정보·선호·과거 대화를 저장했다가 다시 꺼내 주입해 주는…
  • 하트 든 춘식이 (2026-05-19): ### 1. 기본 기능 — LLM key 없어도 가능 - workspace / peer / session 생성 - 메시지 저장 - Hermes가 필요할 때 Honcho tool로 raw context 읽기 -…
  • 뽀뽀하는 어피치 (2026-06-21): 안녕하세요. 질문 하나 드립니다. 그동안 모든 개발을 작은 미니pc를 서버로 하나 두고, 그 서버에 claude cli를 호출해서 처리시켰으며, 외부에서는 ssh로 접근했습니다. 도메인은 하나 구매했고,…
  • 카잣둠 (2026-05-17): 🚀 Hermes Agent 새 버전 출시: v0.14.0 (v2026.5.16) 버전 • 항목: 버전 • 내용: v0.14.0 / 태그: v2026.5.16 출시일 • 항목: 출시일 • 내용:…
근거 인용 (12건)
2026년 4월 18일
우는
우는 춘식이
우리끼리 임베딩벡터만 통하면 되는거 아닐까요
2026년 4월 28일
강정
강정석 / Schift / 대표
정확힌 벡터 DB 위에 온톨로지
2026년 5월 6일
DG
Dayum_gud
## Honcho → Hindsight 마이그레이션 시 막히는 부분 & 솔루션 ### 1. Where Models Agree | Finding | Claude Opus 4.7 Thinking | GPT-5.4 Thinking | Gemini 3.1 Pro Thinking | Evidence | |---------|-----------|-----------|-----------|----------| | 가장 큰 난관 = Peer Representation 자동 생성 부재 | ✓ | ✓ | ✓ |…
DG
Dayum_gud
**됩니다.** Hindsight는 OpenAI API 키 기반으로 돌릴 수 있습니다. ## 지원 LLM 프로바이더 README에서 공식 확인된 목록입니다 : - `openai` ✅ - `anthropic` - `gemini` - `groq` - `ollama` - `lmstudio` - `minimax` ## Docker로 GPT 쓰는 방법 ```bash export OPENAI_API_KEY=sk-xxx docker run --rm -it --pull always -p 8888:8888…
2026년 5월 15일
하코
하코
임베딩 모델에 종속되서 벡터를 만들이유가 있는지
2026년 5월 17일
카잣
카잣둠
🚀 Hermes Agent 새 버전 출시: v0.14.0 (v2026.5.16) **버전** • 항목: 버전 • 내용: v0.14.0 / 태그: v2026.5.16 **출시일** • 항목: 출시일 • 내용: 2026-05-16 02:58:57 -0700 **커밋** • 항목: 커밋 • 내용: v0.13.0 이후 808 commits · 633 merged PRs · 1393 files changed · 165,061 insertions **이슈** • 항목: 이슈 • 내용: 545 issues…
2026년 5월 19일
하트
하트 든 춘식이
### 1. 기본 기능 — LLM key 없어도 가능 - workspace / peer / session 생성 - 메시지 저장 - Hermes가 필요할 때 Honcho tool로 raw context 읽기 - 수동 conclusion 저장/조회 일부 - Hermes 자체 built-in memory, session search, skills는 그대로 사용 가능 즉 Honcho를 **외부 메모리 DB**처럼 쓰는 건 가능. --- ### 2. 고급 기능 — Honcho 쪽 LLM key 필요…
2026년 6월 16일
AC
Asin_cartel
https://github.com/vectorize-io/hindsight
2026년 6월 21일
br
brain.disconnected
전부 **AI 에이전트용 "메모리(기억) 레이어"** 도구들입니다. LLM이 대화가 끝나거나 세션이 바뀌면 모든 걸 잊어버리는 문제를 해결하려고, 사용자 정보·선호·과거 대화를 저장했다가 다시 꺼내 주입해 주는 인프라예요. 2026년 들어 이게 하나의 제품 카테고리로 떠올랐습니다. 각각 간단히 정리하면: **mem0** — 가장 대중적인 오픈소스 메모리 레이어. GitHub 스타 5만 개 이상으로 커뮤니티가 제일 크고, LangChain·LlamaIndex 등 어디든 붙는 SDK 품질이…
뽀뽀
뽀뽀하는 어피치
안녕하세요. 질문 하나 드립니다. 그동안 모든 개발을 작은 미니pc를 서버로 하나 두고, 그 서버에 claude cli를 호출해서 처리시켰으며, 외부에서는 ssh로 접근했습니다. 도메인은 하나 구매했고, 클라우드플래어로 연결해둔 상태구요. Hermes 가 정확히 뭔지 잘 모르겠지만, 저는 항상 claude cli로 업무를 처리하면서 그날 모든기록을 md파일로 남겨두고 있는데요, hermes 에 대한 부분을 찾다보니, 자주쓰는 스킬을 자동으로 기록한다는것 + 질문들을 벡터화 시켜서, 다음번에…
2026년 6월 23일
엉엉
엉엉 우는 어피치
기존 rag가 벡터기반으로 청킹하고 검색/색인 후 정보를 넘기는데 이전 검색결과를 활용하지 못하고 매번 새롭게 검색하는게 너무 낭비적이고 지식이 새롭게 쌓이지 않는다고
la
larrabee
위키가 관계성으로 찾기쉽게한다의 개념이긴하지만 임베딩서치 속도를 따라잡긴 쉽지가 않아서.. 속도측면에서 벡터서치를 기반으로하는 rag는 계속살아남지않을까 생각됩니다. 청킹기법이나 이런건 좀 더 바뀌겠죠.
⚡ Powered by Onpod