# 문서를 랭체인의 Document 객체로 변환
documents = [Document(page_content=text) for text in sample_texts]

# 문서 분할(chunking)
text_splitter = RecursiveCharacterTextSplitter(chunk_size=50, chunk_overlap=10)
docs = text_splitter.split_documents(documents)

# OpenAI 임베딩 모델 사용
embeddings = OpenAIEmbeddings() 

# FAISS 벡터 저장소 생성 
vectorstore = FAISS.from_documents(docs, embeddings)

# 벡터 검색을 위한 retriever 생성
retriever = vectorstore.as_retriever()

# 사용자의 질문을 기반으로 관련 문서 검색
query = "트랜스포머 모델이 발표된 연도는?"
retrieved_docs = retriever.invoke(query)