Genera incrustaciones automáticamente usando MongoDB Vector Search

Acceso requerido

Necesitas el rol de Project Data Access Admin o superior para crear y gestionar los índices de MongoDB Vector Search.

Sintaxis del índice

La siguiente es la sintaxis para habilitar la generación automática de incrustaciones:

1
{
2
  "fields": [
3
    {
4
      "type": "text",
5
      "path": "<field-name>",
6
      "model": "voyage-3-large | voyage-3.5 | voyage-3.5-lite"
7
    }
8
  ]
9
}

Campos de índices

Se requieren los siguientes campos en la definición del índice:

Considerations

Los campos de índices para la inserción automatizada son mutuamente excluyentes con los siguientes campos de índice de tipo vector:

• numDimensions

• similarity

• quantization

Si tu colección ya tiene embeddings, debes usar los campos de tipo vector para indexar los embeddings. Para obtener más información sobre indexar campos con incrustaciones, consulta Cómo indexar campos para la búsqueda vectorial.

Puede crear un índice con ambos tipos text y vector si desea indexar un campo de texto para generar incrustaciones automáticamente y también indexar un campo con sus propias incrustaciones. MongoDB Vector Search generará automáticamente embeddings para las consultas solo contra el campo indexado como el tipo text. Debe especificar embeddings en la query para buscar en el campo indexado como tipo vector.

También puedes indexar campos para filtrar previamente los datos con el tipo filter de MongoDB Vector Search.

Para obtener más información sobre el prefiltrado de tus datos, consulta Sobre el tipo filter.

Crear un índice para incrustación automatizada

El siguiente procedimiento explica los pasos para habilitar incrustaciones automatizadas en tu índice de MongoDB Vector Search. Si ha cargado el conjunto de datos sample_mflix.movies, el ejemplo del procedimiento demuestra cómo activar la incorporación automática para el campo fullplot en la colección.

Query sintaxis

La siguiente sintaxis demuestra cómo ejecutar una query en un campo indexado para Embedding Automatizado:

1
{
2
  "$vectorSearch": {
3
    "index": "<index-name>",
4
    "limit": <number-of-results>,
5
    "numCandidates": <number-of-candidates>,
6
    "path": "<field-to-search>",
7
    "query": "<query-string>"
8
  }
9
}

Query Fields

Los siguientes campos son necesarios para una query de MongoDB Vector Search utilizando embeddings automáticos:

Considerations

Se puede ejecutar una query ANN o ENN sobre el campo indexado. Para aprender más, se puede consultar Búsqueda ANN y Búsqueda ENN.

No se pueden especificar incrustaciones vectoriales en la query de campos indexados para la incrustación automatizada. En su lugar, debes ejecutar una query en lenguaje natural contra el campo. Cuando ejecutes una query en lenguaje natural contra el campo indexado para embedding automatizado, MongoDB Vector Search genera automáticamente los embeddings para el texto de la query utilizando el mismo modelo de embeddings que el campo indexado. Luego utiliza las incrustaciones generadas para llevar a cabo una búsqueda semántica en el campo indexado.

Opcionalmente, se puede especificar filter campos en la query para filtrar previamente los documentos con los que MongoDB Vector Search realiza la búsqueda semántica. Para aprender más, se puede consultar MongoDB Vector Search Pre-Filtering.

También puedes, de manera opcional, recuperar la puntuación de los documentos en los resultados. Para obtener más información, consulta MongoDB Vector Search Scoring.

Ejecute una consulta usando incrustación automatizada