Démarrer avec Atlas Vector Search

Suivez les instructions étape par étape pour configurer votre cluster Atlas, créer un exemple d’index de recherche vectorielle et exécuter des exemples de requêtes de recherche sémantique.

Lancez-vous maintenant

Illustration d’une paire de mains travaillant sur un ordinateur portable

Effectuer une recherche vectorielle en trois étapes simples

Créer des embeddings vectoriels

Créez des embeddings à partir de vos données à l’aide d’un modèle d’embedding open source ou propriétaire de votre choix et stockez-les dans Atlas.

Découvrir comment

Créez un index de recherche vectorielle

Définissez l’index pour les embeddings vectoriels que vous souhaitez interroger et les champs à utiliser pour pré-filtrer les données pour des recherches efficaces.

En savoir plus sur les index

Exécuter des requêtes de recherche vectorielle

Utilisez l’étape $vectorSearch dans le pipeline d’agrégation pour effectuer une recherche vectorielle approximative du plus proche voisin ou exacte du plus proche voisin

Découvrez comment exécuter des requêtes de recherche

Explorez d’autres ressources

Consultez notre documentation

Tirez le meilleur parti d’Atlas Vector Search avec notre documentation détaillée.

Voir la documentation

Voir les tutoriels

Trouvez des idées et améliorez votre parcours de développement avec nos tutoriels pratiques.

Voir les tutoriels

Apprenez à votre propre rythme

Conçue par et pour les développeurs, MongoDB University est le point de passage pour accélérer votre expertise.

Consultez les cours

Premiers pas avec Atlas Vector Search

Découvrez comment convertir vos données en embeddings vectoriels, les récupérer avec des capacités de recherche et créer des applications intelligentes rapidement et facilement dans MongoDB Atlas.

Démarrer

Commencez à construire avec :

Déploiement simplifié
Expérience unifiée pour les développeurs
Scalabilité horizontale, verticale, indépendante
Écosystème d’IA intégré

Plus de 125 régions dans le monde