EVENTGet 50% off your ticket to MongoDB.local NYC on May 2. Use code Web50! Learn more >

ATLAS

Búsqueda de vectores

Cree aplicaciones inteligentes impulsadas por la búsqueda semántica y la IA generativa sobre cualquier tipo de datos.
Explore el tutorial
Atlas Vector Search illustration.
¿Qué es Atlas Vector Search?
Integre su base de datos operativa y la búsqueda vectorial en una plataforma única, unificada y totalmente gestionada con una interfaz nativa de MongoDB que puede aprovechar grandes modelos de lenguaje (LLM) a través de marcos populares.Ver video de 3 minutos

Integraciones Destacadas

LangChain
LlamaIndex
OpenAI
Hugging Face
Cohere

Ver todos
Casos de uso clave para Atlas Vector Search

Casos de uso clave para Atlas Vector Search

Atlas Vector Search le permite buscar datos no estructurados. Puede crear incrustaciones de vectores con modelos de aprendizaje automático como OpenAI y Hugging Face, y almacenarlos e indexarlos en Atlas para la recuperación de generación aumentada (RAG), la búsqueda semántica, el motor de recomendación, la personalización dinámica y otros casos de uso.¿Qué es la RAG?
Búsqueda vectorial simplificada

Búsqueda vectorial simplificada

Con Atlas Vector Search, los desarrolladores pueden crear experiencias impulsadas por IA mientras acceden a todos los datos que necesitan a través de una experiencia de desarrollador unificada y consistente en forma de MongoDB Query API. Nuestra nueva etapa de agregación $vectorSearch lo hace aún más fácil para quienes ya usan MongoDB.Vector Search explicada en 3 minutos
Evitar el impuesto de sincronización

Evitar el impuesto de sincronización

Almacene incrustaciones de vectores justo al lado de sus datos y metadatos de origen con el poder del modelo de documento. Las incrustaciones de vectores se integran con los datos de la aplicación y un índice perfecto para consultas semánticas, lo que le permite crear de forma más fácil y rápida.¿Qué es una base de datos de documentos?
Elimine el levantamiento pesado operativo

Elimine el levantamiento pesado operativo

Atlas Vector Search se basa en la plataforma de datos para desarrolladores MongoDB Atlas. Automatice fácilmente el aprovisionamiento, la aplicación de parches, las actualizaciones, el escalamiento, la seguridad y la recuperación ante desastres, al tiempo que proporciona una visibilidad profunda del rendimiento tanto de la base de datos como de Vector Search para que pueda concentrarse en crear aplicaciones.

Ecosistema robusto de integraciones de IA

Atlas Vector Search acelera su viaje hacia la creación de aplicaciones de búsqueda avanzada y de inteligencia artificial generativa al integrarse con una amplia variedad de marcos y LLM destacados.
Imagen del logotipo de LangChain.

LangChain

Atlas Vector Search de MongoDB se integra con LangChain para proporcionarles "memoria a largo plazo" a los LLM y como un almacén para conversaciones de chat.

Imagen del logotipo de LlamaIndex.

LlamaIndex

Atlas Vector Search de MongoDB se integra con LlamaIndex para proporcionarles "memoria a largo plazo" a los LLM y como un almacén para fragmentos de documentos.

Imagen del logotipo de OpenAI.

OpenAI

Las incrustaciones vectoriales generadas con OpenAI se pueden almacenar en Atlas Vector Search de MongoDB para crear aplicaciones de IA generativa de alto rendimiento.

Imagen del logotipo de la cara abrazada.

Hugging Face

Hugging Face proporciona acceso a muchos modelos de código abierto que se pueden utilizar con facilidad para generar incrustaciones vectoriales y almacenarlas en Atlas Vector Search.

Imagen del logotipo de Cohere.

Cohere

Las incrustaciones vectoriales generadas con Cohere se pueden almacenar en Atlas Vector Search de MongoDB para crear aplicaciones de IA generativa de alto rendimiento.

Imagen del logotipo de Nomi.

Nomic

Nomic ofrece la posibilidad de visualizar y explorar con facilidad los datos de incrustación vectorial en el navegador web, así como de generar incrustaciones vectoriales a través de thegpt4all. Funciona fácilmente con Atlas Vector Search.

Imagen del logotipo del kernel semántico de Microsoft.

Microsoft Semantic Kernel

Semantic Kernel es un SDK que simplifica la creación de aplicaciones LLM con lenguajes de programación como C# y python. Atlas Vector Search se integra para proporcionar "memoria" para aplicaciones LLM.

“Queremos hacer posible que los usuarios de la base de conocimientos de nuestros clientes reciban respuestas instantáneas, confiables y precisas a sus preguntas utilizando la búsqueda conversacional basada en Atlas Vector Search de MongoDB y las capacidades de IA generativa”.
Saravana Kumar
CEO, Kovai
Lee toda la historia
“Al principio buscábamos otros proveedores para la búsqueda de vectores. Sin embargo, una vez que vimos Vector Search de MongoDB, fue una obviedad: como sabíamos que íbamos a trasladar todo a Atlas, sabíamos que debíamos consolidarlo todo allí”.
Mars Lan
Cofundador y CTO, Metaphor Data
“Con Atlas Vector Search, ahora poseemos una base de datos de metadatos vectoriales probada en batalla, refinada durante una década, que aborda de manera efectiva nuestros densos requisitos de recuperación. No hay necesidad de implementar una nueva base de datos, ya que nuestros vectores y metadatos de artefactos se pueden almacenar perfectamente uno junto al otro".
Russell Sherman
Cofundador y CTO de VISO TRUST
“Estamos utilizando incrustaciones de IA y búsqueda vectorial para ir más allá de la búsqueda de texto completo con significado semántico y brindar contexto y memoria a los asistentes de compra de automóviles con IA generativa. Estamos muy entusiasmados de que MongoDB haya agregado Vector Search a Atlas, lo que simplifica enormemente nuestros esfuerzos de ingeniería”.
Nathan Clevenger
Fundador y CTO, Drivly Inc.

Recursos para crear aplicaciones basadas en IA

Descubra cómo aprovechar MongoDB para optimizar el desarrollo de la próxima generación de aplicaciones basadas en IA.
Ver recursos

Preguntas frecuentes

¿Qué es la búsqueda semántica?
Semantic Search o búsqueda semántica es la práctica de buscar sobre el significado de los datos en sí.
¿Qué es un vector?
Un vector es una representación numérica de datos y contexto asociado que se puede buscar de manera eficiente utilizando algoritmos avanzados.
¿Qué es KNN?
KNN significa "K Vecinos más cercanos", que es el algoritmo que se usa con frecuencia para encontrar vectores cerca de otros.
Obtén más información
¿Qué es $vectorSearch y en qué se diferencia del operador knnBeta en $search?
$vectorSearch es una nueva etapa de agregación en MongoDB Atlas que le permite ejecutar una consulta de vecino más cercano aproximado con filtrado de lenguaje de consulta MongoDB (por ejemplo, “$eq” o “$gte”). Esta etapa será compatible con la versión 6.0 y superior Atlas cluster. El operador knnBeta en $search también seguirá siendo compatible.
Obtén más información
¿Qué es ANN?
ANN significa "Vecinos más cercanos aproximados" y es un enfoque que se utiliza para encontrar vectores similares que favorece el desempeño por sobre la precisión.Este es uno de los principales algoritmos que se utilizan para impulsar Atlas Vector Search. Nuestro algoritmo para la búsqueda aproximada de Vecino más cercano utiliza el Mundo pequeño navegable jerárquico (HSSW) grafito.
¿Qué incrustaciones de vectores son compatibles con Atlas Search?
Atlas Vector Search admite incrustaciones de cualquier proveedor que esté por debajo del límite de dimensión de 2048 en el servicio.
¿Vector Search funciona con imágenes, archivos multimedia y otro tipo de datos?
Sí, Atlas Vector Search puede consultar cualquier tipo de datos que puedan convertirse en una incrustación. Uno de los beneficios del modelo de documento es que puede almacenar sus incrustaciones junto con los datos enriquecidos en sus documentos.
Register Now
Lupa con documentos.

¿Listo para empezar?

Diríjace a nuestro tutorial para ver cómo puede crear rápidamente incrustaciones de sus datos de MongoDB y buscarlos con nuestra capacidad de búsqueda vectorial.Empiece ya mismo