Docs Menu
Docs Home
/ /

Constructor de demostraciones de chatbots en Search Playground

Pruebe rápidamente MongoDB Vector Search en MongoDB Search Playground usando un ChatbotRAG que responde preguntas sobre tus datos con búsqueda vectorial. El Generador de Demostraciones de Chatbots en el Área de Prueba de Búsqueda de MongoDB te permite traer tus propios datos, probar diferentes estrategias de fragmentación, generar incrustaciones con los modelos de incrustación de Voyage AI y hacer preguntas sobre los datos sin necesidad de una cuenta, clúster o colección de Atlas. También puedes compartir un enlace a una instantánea de tu Área de Prueba de Búsqueda de MongoDB con otros.

El Chatbot Demo Builder utiliza dos etapas de canalización de agregación, $vectorSearchy.$project

Este es un chatbot generativo de IA. Se debe verificar toda la información antes de usarlo. No cargue datos confidenciales. MongoDB registra los datos de su carga de trabajo para supervisar el estado del sistema y ayudar a solucionar cualquier problema en el Generador de Demostraciones de Chatbot.

  • El Generador de Demos de Chatbot procesa el archivo PDF importado o el texto copiado y pegado como una única fuente de conocimiento unificada. No se pueden definir ni combinar conjuntos de datos independientes dentro del generador.

  • El Constructor de Demos de Chatbot utiliza un índice de búsqueda vectorial preconfigurado que no es editable. La consulta se genera según la configuración de recuperación especificada y no se puede editar directamente con el editor de código.

  • El entorno de Chatbot Demo Builder no se conserva. Para guardar un entorno, utilice el Share botón para generar una instantánea URL que persiste durante 30 días.

  • El Constructor de Demos de Chatbot solo admite incrustaciones de texto. Si su archivo PDF contiene imágenes, el chatbot no podrá procesarlas ni responder preguntas sobre su contenido.

  • El Chatbot Demo Builder tiene las siguientes limitaciones de datos:

    • No puedes importar archivos de más de 100 MB.

    • El recuento total de caracteres no puede superar los 100,000 caracteres.

    • No puedes traer tus propias incrustaciones vectoriales o credenciales de API para soluciones de incrustación.

1

Vaya a Chatbot Demo Builder.

2

El generador de demostraciones de Chatbot ofrece tres opciones de fuentes de datos.

Upload PDF

Sube un archivo PDF desde tu dispositivo local con un tamaño máximo de 100 MB. Si el número de caracteres supera 100,000, debes usar solo los primeros 100,000 caracteres o subir un archivo con menos caracteres. Puedes previsualizar el texto con SEE TEXT.

Copy & Paste Text

Copie y pegue texto hasta 100,000 caracteres. Si el recuento de caracteres supera los 100,000, solo debes usar los primeros 100,000 caracteres o reducir el tamaño del texto.

Sample Data

Utilice datos de muestra proporcionados por MongoDB, que es un PDF sobre un parque ficticio.

Chatbot Demo Builder es una demostración pública. No cargue datos confidenciales.

3

Personalice su configuración de fragmentación y modelo de incrustación.

Chunking strategy

Elija Recursive Chunking (opción predeterminada) o Fixed Token Count with Overlap.

Chunk size

Define la cantidad de tokens por fragmento. La cantidad de tokens debe ser al menos el doble de la superposición de fragmentos.

  • Minimum: 40 tokens

  • Máximo: 1500 tokens

Chunk overlap

Especifique el tamaño de la superposición de tokens entre fragmentos adyacentes. El tamaño de la superposición debe ser como máximo la mitad del tamaño del fragmento.

  • Minimum: 0 tokens

  • Máximo: 750 tokens

Embedding model

Seleccione uno de los siguientes modelos de incrustación:

  • viaje-3-grande (opción predeterminada)

  • financiación de viajes2

  • viaje-ley-2

Para modificar estas opciones después de crear incrustaciones, utilice el panel lateral DATA SETTINGS. Al cambiar la configuración, se borra el historial de chat anterior.

4

Cada par de preguntas y respuestas es independiente y no depende de interacciones previas. Al seleccionar Share, el área de juegos guarda la configuración de datos y los ajustes de recuperación. El historial de preguntas y respuestas no se guarda ni se puede compartir.

Para cada pregunta que realices, el Chatbot Demo Builder muestra las siguientes configuraciones:

Configuración o salida
Ubicación en la página
Descripción

Search Query

Cuadro de chat vinculado con respuesta

Ver la sintaxis de consulta de búsqueda vectorial de MongoDB.

[number] DOCUMENTS

Cuadro de chat vinculado con respuesta

Vea los documentos recuperados al ejecutar la consulta de búsqueda y cómo se califican los resultados.

Data to Evaluate (numCandidates)

Panel lateral derecho

Ajuste el número de coincidencias potenciales que revisa el sistema para seleccionar el mejor resultado. Para buscar exhaustivamente todas las incrustaciones vectoriales indexadas, marque la casilla Evaluate all [number] documents (ENN). Esto puede afectar la latencia de la consulta.

Data to Retrieve (limit)

Panel lateral derecho

Ajustar la cantidad de documentos (fragmentos) devueltos.

Data Source

Bottom panel tab

Ver sus datos como MongoDB Documents o Full Extracted Text.

Index Definition

Bottom panel tab

Ver la definición del índice de búsqueda vectorial MongoDB generado.

Search Query

Bottom panel tab

Vea la sintaxis de consulta de búsqueda vectorial de MongoDB utilizada para la pregunta y respuesta más recientes.

LLM & Prompt

Bottom panel tab

Ver el Modelo de Lenguaje Grande (LLM) utilizado.

5

Utilice el Share botón para generar una URL de 30 instantánea que persista durante días.

Utilice el botón Get Code para acceder a un repositorio de GitHub con código de inicio sobre cómo construir usted mismo un chatbot similar.

Nota

El rendimiento del Chatbot Demo Builder puede diferir del rendimiento de producción.

Para obtener más información sobre las consultas de búsqueda vectorial, consulte Ejecutar consultas de búsqueda vectorial. Para obtener más información sobre la Generación Aumentada por Recuperación (RAG), consulte Generación Aumentada por Recuperación (RAG) con MongoDB.

Volver

Generación Aumentada de Recuperación (RAG)

En esta página