컬렉션 및 쿼리에서 텍스트 데이터에 대한 벡터 임베딩을 자동으로 생성하는 방법

개요

임베딩 코드를 작성하거나, 모델 인프라를 관리하거나, 벡터 파이프라인을 처리하지 않고도 간단한 구성 변경을 통해 시맨틱 검색, RAG 및 AI Agent용 메모리를 활성화 할 수 있습니다. 즉, MongoDB 검색 및 벡터 검색 프로세스 를 사용하여 MongoDB Community Edition 배포할 때 임베딩을 생성하는 데mongot 사용할Voyage AI API 키를 제공할 수 있으며, 하나는 인덱싱 작업에, 다른 하나는 쿼리 작업에 사용하는 것이 가장 좋습니다. 다른 프로젝트.

배포서버 후 다음을 수행합니다.

1. 컬렉션 에서 시맨틱 검색 활성화 하려는 텍스트 필드 선택합니다.

2. 사용 가능한 임베딩 모델 목록에서 임베딩 모델을 선택합니다.

3. MongoDB Vector Search 인덱스 정의에서 autoEmbed 유형을 사용하여 자동화된 임베딩을 구성합니다.

자동화된 임베딩을 위한 MongoDB Vector Search 인덱스 구성에 대해 자세히 학습 텍스트 필드 인덱싱을 참조하세요.

MongoDB Vector Search는 MongoDB Community Edition 초기화하는 동안 지정한API 키를 사용하여 삽입하거나 업데이트 기존 문서와 새 문서에 대한 임베딩을 자동으로 생성합니다.

쿼리의 query.text 경우 파이프라인 $vectorSearch 단계에서 옵션을 사용합니다. MongoDB Vector Search는 인덱스 정의에서 동일한 임베딩 모델을 사용하여 텍스트 쿼리 에 대한 임베딩을 생성합니다. 파이프라인 단계에서 model 옵션을 사용하여 $vectorSearch 다른 임베딩 모델을 지정할 수 있지만, 지정된 임베딩 모델은 인덱스 시점에 사용된 임베딩 모델과 호환되어야 합니다. MongoDB Vector Search는 MongoDB Community 초기화 중에 제공한 쿼리 API 키를 사용하여 쿼리 시점에 임베딩을 생성합니다. 자세한 학습 은 텍스트 쿼리 실행을 참조하세요.

API 키를 사용하여 임베딩을 생성하면 요금이 발생합니다. 자세히 학습 비용을 참조하세요.

임베딩을 자동화하고 샘플 쿼리 실행 하려면 시작하기를 참조하세요.

시작하기

다음 튜토리얼을 사용하여 벡터 임베딩을 자동으로 생성하도록 MongoDB Vector Search를 구성하는 방법을 학습 . 구체적으로 다음 조치를 수행합니다.

1. 인덱스 시점에 임베딩을 자동으로 생성하려는 텍스트 데이터가 포함된 컬렉션 의 필드 를 인덱싱합니다.

2. 쿼리 시점에 자동으로 생성된 임베딩을 사용하여 인덱싱된 필드에 대해 텍스트 쿼리 실행합니다.

이 튜토리얼에서는 sample_airbnb.listingsAndReviews 네임스페이스 사용하여summary 인덱스 타임에 임베딩을 자동으로 생성하는 컬렉션 에서 텍스트 필드 를 인덱스 , 다음에서 생성된summary 임베딩을 사용하여 인덱싱된 필드 에 대해 텍스트 쿼리 실행 방법을 보여 줍니다. 쿼리 시간.