문서

SDK 레퍼런스

Python 패키지는 호스티드 API 클라이언트와 projection 중심 워크플로우를 둘 다 내보냅니다. 먼저 어떤 경로가 필요한지 구분하는 것이 중요합니다.

진입점 선택

export	역할	주요 호출
`Schift`	호스티드 API 클라이언트	`catalog`, `embed`, `routing`, `bench`, `db`, `query`, `rerank`, `usage`
`Client`	레거시 projection 클라이언트	`fit()`, `bench()`, `list_projections()`, `get_projection()`
`Projection`	완전한 로컬 변환 객체	`transform()`, `save()`, `load()`
`migrate()` / `client.migrate.run()`	어댑터 기반 재작성	한 저장소에서 읽고 다른 저장소에 projection 결과를 씀

호스티드 API 모듈

pythonfrom schift import Schift

client = Schift()

client.routing.set(
    primary="openai/text-embedding-3-small",
    fallback="google/gemini-embedding-001",
    mode="failover",
)

documents = [
    {"id": "doc-1", "text": "분기 매출 보고서"},
    {"id": "doc-2", "text": "이사회 회의 요약"},
]

client.db.create_collection("finance-docs", dimension=3072)
client.db.upsert_text("finance-docs", documents, model="openai/text-embedding-3-large")
results = client.query("회의 요약", collection="finance-docs", rerank=True)
usage = client.usage.get(period="30d", granularity="day")

모듈	공개 호출	메모
`catalog`	`list()`, `get(model_id)`	모델 메타데이터 조회
`embed`	`client.embed(text, model, dimensions=None)` 와 `.batch(...)`	`numpy.ndarray` 반환
`routing`	`get()`, `set(primary=None, fallback=None, mode=None)`	서버에 저장되는 라우팅 정책
`bench`	`run(source, target, data=None)`	API에서 `BenchReport` 반환
`db`	`create_collection`, `list_collections`, `get_collection`, `collection_stats`, `delete_collection`, `upsert`, `upsert_text`	호스티드 컨렉션 작업
`query`	`client.query(query, collection=None, db=None, model=None, top_k=10, rerank=False, rerank_top_k=None)`	호출 가능한 모듈
`rerank`	`client.rerank(query, documents, top_k=5)`	호출 가능한 모듈
`usage`	`get(period="30d", granularity=None)`	집계된 계정 사용량

projection 중심 워크플로우

pythonimport numpy as np
from schift import Client

legacy = Client(api_key="sch_your_key_here")

projection = legacy.fit(
    source=np.load("sample-old.npy"),
    target=np.load("sample-new.npy"),
    source_model="openai/text-embedding-3-small",
    target_model="google/gemini-embedding-001",
)

converted = projection.transform(np.load("all-old.npy"))
projection.save("./projection-openai-to-gemini")

어댑터와 저장소 간 마이그레이션

어댑터	설치	용도
`NpyAdapter`	기본 포함	오프라인 `.npy` 배열과 배치 결과
`PgVectorAdapter`	`pip install schift[postgres]`	PostgreSQL + pgvector 테이블
`QdrantAdapter`	`pip install schift[qdrant]`	Qdrant 컨렉션

pythonfrom schift import migrate
from schift.adapters.pgvector import PgVectorAdapter
from schift.adapters.qdrant import QdrantAdapter

result = migrate(
    source=PgVectorAdapter(
        conninfo="postgresql://user:pass@localhost/app",
        table="documents",
    ),
    sink=QdrantAdapter(
        url="http://localhost:6333",
        collection="documents-v2",
    ),
    projection=projection,
    dry_run=True,
)