このタスクについて
ベクトル検索インデックスの作成
このセクションでは、クラスターにロードするサンプルデータにMongoDB ベクトル検索インデックスを作成します。
ベクトル検索クエリの実行
このセクションでは、インデックス付き埋め込みに対してサンプルのベクトル検索クエリを実行します。
学習の概要
このクイック スタートでは、指定されたクエリにセマンティックに関連するテキストを含むドキュメントをクラスターから取得する方法に焦点を当てています。ただし、画像やビデオなど、クラスターに書き込む可能性のある任意のデータを表す埋め込みにベクトル検索インデックスを作成することはできます。
サンプル データ
ベクトル埋め込み
sample_mflix.embedded_moviesコレクションと例クエリのベクトル埋め込みは、Voyage AIvoyage-3-large 埋め込みモデルを使用して作成されました。埋め込みモデルの選択は、ベクトル検索インデックスで使用するベクトル次元とベクトル類似度関数に影響します。任意の 埋め込みモデルを使用できますが、特定のユースケースに応じてモデルごとに精度が異なる可能性があるため、さまざまなモデルを試す価値があります。
独自のデータのベクトル埋め込みを作成する方法については、「ベクトル埋め込みの作成方法 」を参照してください。
ベクトル インデックスの定義
ベクトル検索クエリ
このクイック スタートで実行したクエリは集計パイプラインであり、 $vectorSearchステージがANN（近似最近傍）検索を実行し、その後に結果を微調整する$projectステージが続きます。 完全一致（enn）の使用や、 filterオプションを使用してベクトル検索の範囲を絞り込む方法など、ベクトル検索クエリのすべてのオプションを確認するには、「ベクトル検索クエリの実行 」を参照してください。
次のステップ
データから埋め込みを作成し、Atlas にロードする方法については、「埋め込みの作成 」を参照してください。
検索拡張生成 (RAG)（RAG）の実装方法については、MongoDBによる取得拡張生成（RAG）を参照してください。
MongoDB Vector Search を一般的な AI フレームワークやサービスと統合するには、「MongoDB AI 統合」をご覧ください。
MongoDB ベクトル検索を使用して本番環境に対応できるAIチャットボットを構築するには、MongoDBチャットボット フレームワーク を参照してください。
APIキーやクレジットを必要とせずに RG を実装する方法については、「 MongoDB ベクトル検索を使用してローカル RAG 実装を構築する 」を参照してください。