特色集成
_Spot.svg?auto=format%252Ccompress)
功能強大的 AI 集成生態系統
Atlas Vector Search 透過與各種一流的大型語言模型和框架集成，加速您建構進階搜尋和生成式 AI 應用程式的旅程。
LangChain
MongoDB Atlas Vector Search 與 LangChain 整合，為 LLM 提供「長期記憶」，並作為聊天對話的儲存空間。
LlamaIndex
MongoDB Atlas Vector Search 與 LlamaIndex 互相集成，除了為大型語言模型提供「長期記憶」，同時也為文件提供區塊化的儲存。
OpenAI
OpenAI 生成的向量嵌入可儲存於 MongoDB Atlas Vector Search 中，可以用於建構高性能的生成式 AI 應用程式。
Hugging Face
Hugging Face 開放對許多開源模型的存取，而這些模型可以輕鬆用於生成向量嵌入，並將其儲存於 Atlas Vector Search 中。
Cohere
Cohere 生成的向量嵌入可儲存於 MongoDB Atlas Vector Search 中，可用於構建高性能的生成式 AI 應用程序。
Nomic
Nomic 提供在網頁瀏覽器中輕鬆視覺化和探索向量嵌入資料的能力，以及透過 gpt4all 生成向量嵌入的能力。它能輕鬆搭配 Atlas Vector Search 一起使用。
Microsoft Semantic Kernel
Semantic Kernel 是一個軟體開發套件（SDK），可簡化使用 C# 和 Python 等程式語言建構大型語言模型應用程式的繁瑣過程。Atlas Vector Search 則負責搜尋集成，並為大型語言模型應用程式提供「記憶體」。
「我們正在使用 AI 嵌入和向量搜尋來達成超出語意意義的全文搜尋，並為生成式 AI 購車助理提供上下文脈絡和記憶的相關參考。我們非常樂見 MongoDB 將向量搜尋加入 Atlas 中，此舉無疑大幅簡化了我們在工程方面的業務。」
Drivly Inc. 創辦人暨技術長
FAQ
什麼是語意搜尋？
語意搜尋是搜尋資料的含義，而非對資料本身進行搜尋的做法。
什麼是向量？
向量是資料的數字形式表示，且可以透過進階演算法有效地搜尋上下文脈絡。
Atlas Vector Search 與 Atlas Search 有何不同？
Atlas Vector Search 允許根據向量中捕捉的語意來搜尋數據，而 Atlas Search 則允許關鍵字搜尋（即基於實際文字和任何已定義的同義詞映射）。
什麼是 $vectorSearch，以及它和 $search 中的 knnBeta 運算子有何不同？
什麼是 ANN？
ANN 代表「近似最近鄰居」，是一種常用於尋找相似向量的方法，透過犧牲準確性來換取更高性能的查詢效率。這是用於支援 Atlas Vector Search 的核心演算法之一。我們的近似最近鄰居搜尋演算法使用了分層可導航小世界（HNSW） 圖表。
Atlas Search 支援哪些向量嵌入？
Atlas Vector Search 支援來自任何低於服務 4096 個維度限制的提供者的向量嵌入。
向量搜尋是否適用於圖像、媒體檔案和其他類型的資料？
可以，Atlas Vector Search 能查詢任何可轉換為嵌入的資料。文件模型的一大優點，正是您可以將嵌入的內容和豐富的資料一起儲存於文件中。
充分利用 Atlas 系列服務
借助我們的開發者資料平台的其餘部分，可提供更多資料驅動的經驗和見解。
立即註冊
_Spot_BS_Mist.svg?auto=format%252Ccompress)