이 작업에 관한 정보
클러스터 설정
벡터 검색 인덱스 만들기
이 섹션에서는 클러스터 에 로드하는 샘플 데이터에 MongoDB Vector Search 인덱스 생성합니다.
벡터 검색 쿼리 실행
이 섹션에서는 인덱싱된 임베딩에 대해 샘플 벡터 검색 쿼리를 실행 합니다.
학습 요약
이 빠른 시작은 제공된 쿼리 와 의미상 관련된 텍스트가 포함된 문서를 클러스터 에서 검색하는 데 중점을 두었습니다. 그러나 이미지나 동영상과 같이 클러스터 에 쓰기 (write) 수 있는 모든 유형의 데이터를 나타내는 임베딩에 벡터 검색 인덱스 생성할 수 있습니다.
샘플 데이터
벡터 임베딩
벡터 인덱스 정의
벡터 검색 쿼리
이 빠른 시작에서 실행한 쿼리는 집계 파이프라인으로, $vectorSearch 단계가 근사 최근접 이웃(ANN) 검색 수행한 후 결과를 구체화하는 $project 단계를 수행합니다. 벡터 검색 쿼리의 모든 옵션이나 등가 최근접 이웃(등가 최근접 이웃) 사용을 포함한 filter 옵션으로 벡터 검색의 범위를 좁히는 방법을 보려면 벡터 검색 쿼리 실행을 참조하세요.
다음 단계
데이터에서 임베딩을 생성하고 Atlas에 로드하는 방법을 알아보려면 임베딩 생성을 참조하세요.
검색 보강 생성(RAG)을 구현 방법을 학습하려면 MongoDB 사용한 검색 보강 생성(RAG)을 참조하세요.
MongoDB 벡터 검색을 인기 있는 AI 프레임워크 및 서비스와 통합하려면 MongoDB AI 통합을 참조하세요.
MongoDB Vector Search를 사용하여 프로덕션용 AI 챗봇을 빌드 하려면 MongoDB 챗봇 프레임워크를 참조하세요.
API 키나 크레딧 없이RAG를 구현 방법을 학습 MongoDB Vector Search를 사용하여 로컬 RAG 구현 구축하기를 참조하세요.