Puedes integrar MongoDB Vector Search con Haystack para compilar aplicaciones personalizadas con LLMy implementar generación de recuperación aumentada (RAG). Este tutorial demuestra cómo comenzar a usar MongoDB Vector Search con Haystack para realizar una búsqueda semántica de tus datos y crear una implementación RAG. Específicamente, realizas las siguientes acciones:
Configura el entorno.
Crea un índice de MongoDB Vector Search.
Almacene datos personalizados en MongoDB.
Implementa RAG utilizando MongoDB búsqueda vectorial para responder preguntas sobre tus datos.
Trabaja con una versión ejecutable de este tutorial como un cuaderno interactivo de Python.
Segundo plano
Haystack es un marco para construir aplicaciones personalizadas con LLMs, modelos de incrustación y búsqueda vectorial. Integrando MongoDB Vector Search con Haystack, se puede utilizar MongoDB como una base de datos vectorial y emplear MongoDB Vector Search para implementar RAG recuperando documentos semánticamente similares de tus datos. Para obtener más información sobre RAG, consulta Generación de recuperación aumentada (RAG) con MongoDB.