コレクションとクエリ内のテキストデータのベクトル埋め込みを自動的に生成する方法

Overview

簡単な構成変更で、埋め込みコードを記述したり、モデル インフラストラクチャを管理したり、ベクトルパイプラインを処理したりすることなく、AI エージェントのセマンティック検索、RAG、およびメモリを有効にすることができます。つまり、MongoDB Search およびベクトル検索プロセス mongot を使用して MongoDB Community Edition を配置する場合、埋め込みの生成に使用する Voyage AI APIキー を提供できます。理想的には、インデックスの作成操作用と、さまざまなプロジェクトからのクエリ操作用にもう 1 つです。

配置後:

1. コレクションから、セマンティック検索を有効にするテキストフィールドを選択します。

2. 使用可能な埋め込みモデルのリストから、埋め込みモデルを選択します。

3. MongoDB Vector Searchインデックス定義で、autoEmbed タイプを使用して自動埋め込みを構成します。

自動埋め込み用のMongoDB ベクトル検索インデックスの構成の詳細については、テキスト フィールドのインデックスを参照してください。

MongoDB Vector Search は、 MongoDB Community Edition の初期化時に指定した APIキーを使用して、挿入またはアップデートする既存と新規のドキュメント用の埋め込みを自動的に生成します。

クエリには、$vectorSearchパイプラインステージで query.text オプションを使用します。MongoDB Vector Search は、インデックス定義で同じ埋め込みモデルを使用してテキストクエリの埋め込みを生成します。model オプションを使用して $vectorSearch パイプラインステージで別の埋め込みモデルを指定できますが、指定された埋め込みモデルは、インデックス時に使用される埋め込みモデルと互換性がある必要があります。MongoDB Vector Search は、 MongoDB Community の初期化中に提供したクエリAPIキーを使用して、クエリ時に埋め込みを生成します。「テキスト クエリの実行」を参照してください。

APIキーを使用して埋め込みを生成すると料金が発生します。「コスト」を参照してください。

埋め込みを自動化し、サンプルクエリを実行するには、使い始める を参照してください。

はじめる

次のチュートリアルを使用して、 MongoDB ベクトル検索を構成してベクトル埋め込みを自動的に生成する方法を学習します。具体的には、次のアクションを実行します。

1. インデックス時に埋め込みを自動的に生成するテキスト データを含む、コレクション内のフィールドをインデックスします。

2. クエリ時に 自動生成される埋め込み を使用して、インデックス フィールドに対してテキスト クエリを実行する。

このチュートリアルでは、付属の sample_airbnb.listingsAndReviews を使用します。名前空間は、インデックス時に埋め込みを自動的に生成するためのコレクション内のテキストフィールドsummary にインデックスを付け、クエリ時に生成された埋め込みを使用してインデックス付きフィールドsummary に対してテキストクエリを実行する方法を示すものです。