Pesquisa vetorial
Em destaque
Vídeo
Navegando nos desafios de criar ferramentas de IA de geração centralizada
A linha entre “super doable” e “super hard” nem sempre é obvia ao levar IA para a produção. No capítulo mais recente da nossa nova série First How Live, Apoorva Jobi se junta a ele para explorar como sua equipe criou ferramentas internas de IA generativa , como o Central RAG e o MongoGPT, e como eles lidaram com desafios como dados com reconhecimento de permissão, integrando diversas fontes ( Pense em Google Drive e Zendesk!), e fazendo tudo funcionar usando MongoDB Atlas.Jun 30, 2025
_Spot_BS_ForestGreen.png&w=3840&q=75)
Tutorial
Como distribuir o Vector Search, o Atlas Search e os nós de pesquisa com o Atlas Kubernetes Operator
Mar 14, 2025 | 10 min read
Tutorial
Como usar o MongoDB Atlas e os LLMs do IBM watsonx.ai em seus aplicativos de GenAI sem interrupções
Mar 12, 2025 | 9 min read
Vídeo
Como construir um aplicativo com pesquisa semântica: Tutorial de Django, MongoDB Atlas e Voyage AI
Jun 23, 2025 | 18 min
Todos Pesquisa vetorial Conteúdo
- Últimos
- Mais bem avaliado
Vídeo
Navegando nos desafios de criar ferramentas de IA de geração centralizada
A linha entre "super doable" e "super hard" nem sempre é obvia ao levar IA para a produção. No capítulo mais recente da nossa nova série First How Live, Apoorva Jobi se junta a ele para explorar como sua equipe criou ferramentas internas de IA generativa , como o Central RAG e o MongoGPT, e como eles lidaram com desafios como dados com reconhecimento de permissão, integrando diversas fontes ( Pense em Google Drive e Zendesk!), e fazendo tudo funcionar usando MongoDB Atlas.Jun 30, 2025
Vídeo
Como construir um aplicativo com pesquisa semântica: Tutorial de Django, MongoDB Atlas e Voyage AI
Leia o tutorial por escrito: https://dev.to/mongodb/grab-a-pint-with-django-mongodb-backend-voyage-ai-and-langchain-170n Assista ao tutorial de início rápido do backend do MongoDB do Django: https://youtu.be/laXann1O0cg Inscrever-se para um cluster gratuito → https://mdb.link/5s5ngllTB8E-register Acesse o conjunto de dados do Kaggle aqui: https://www.kaggle.com/datasets/anaiya/guinesswinebarsublin Assine o MongoDB no YouTube→ https://mdb.link/subscribe Procurando os melhores lugares para tomar uma bebida em Dublim? Pare de procurar e comece a construir! Com o poder do pacote Django- MongoDB -Backend Python e IA, você pode encontrar a bebida exata que está procurando. Construa seu próprio buscador inteligente de pubs em Dublim! Este tutorial mostra como combinar Django, MongoDB, Voyage AI e LangChain para criar um aplicativo baseado em IA com pesquisa semântica. Aprenda a configurar seu back-end, incorpore dados e implemente a funcionalidade de pesquisa inteligente para ajudar qualquer pessoa a descobrir o pub ideal em Nova York. Mergulhe no mundo envolvente onde Python, bancos de dados e IA convergem! Capítulos: 0:00 Introdução ao localizador de pubs de Django 0:28 O que é o Django MongoDB Backend? 1:07 Noções básicas sobre a integração do LangChain e MongoDB 1:58 Por que Voyage AI para incorporações? 2:30 Pré-requisitos do projeto 3:25 Demonstração: nosso localizador inteligente de pubs em ação 4:18 Coleta e preparação de dados (API do Google place) 5:39 Configurando o Django Backend do MongoDB 7:24 definindo modelos Django (models.py) 8:55 Gerando incorporações com IA Voyage 10:19 Importando dados para o MongoDB Atlas 11:46 Criando seu índice Atlas Vector Search 13:10 Integrando o LangChain para pesquisa semântica 14:48 Construindo o aplicativo Django (views.py e URLs) 16:00 Criando a interface do usuário (HTML/CSS) 17:15 Executando o aplicativo 17:35 Conclusão e principais argumentos Este vídeo não é associado, endossado ou pago pelo Python. O uso de qualquer marca registrada é apenas para fins informativos e de identificação, para que possamos fornecer descrições claras e precisas. Todas as pareceres e críticas fornecidas neste vídeo são de responsabilidade do criador e não refletem as visões do Python ou de seus associados. Visite Mongodb.com → https://mdb.link/MongoDB Leia o MongoDB Blog → https://mdb.link/Blog Leia o blog do desenvolvedor → https://mdb.link/developerblogJun 23, 2025
Vídeo
Crie fluxos de trabalho agentes com Mastra - A estrutura do agente Typescript
✅ Inscrever-se para um cluster gratuito → https://mdb.link/free-mastra-livestream ✅ Experimente o Mastra.ai → https://mastra.ai/ Nosso convidado especial para esta transmissão ao vivo é shane thomas da mastra.ai. Da equipe que lhe levou Gatsby, Mastra o ajudará a criar protótipos e a produzir recursos de IA com uma pilha de JavaScript moderna. Vamos ver isso em ação!May 27, 2025
Vídeo
recuperação de documentos principais com MongoDB e LangChain para aplicativos RAG mais inteligentes | Guia de código ativo
Versão escrita → https://mdb.link/v5V3W-NNSQw-written Inscrever-se para obter um cluster gratuito → https://mdb.link/v5V3W-NNSQw-try Assine o MongoDB no YouTube→ https://mdb.link/subscribe . . . . Problemas com tamanhos de chunk em aplicativos RAG? Saiba como a recuperação de documentos principais do MongoDB equilibra precisão e contexto - nenhum título de mestre é necessário! Participe deste detalhamento para: Resolver ochunking paradox“” com pequenas incorporações + grande recuperação de contexto40 } Atlas Vector Search . Repositório GRÁTIS do Github incluído - roube o código dos chatbots do Docs, da pesquisa legal ou do suporte ao cliente ! docs: 00:00 - O que é a recuperação de documentos principais? (Spoiler: é uma mudança de jogo): : - Configuração do02 35 MongoDB + LangChain:10 06 25 1504 20estratégias12 de chunking e dicas 25 de metadados: - Processamento assíncrono: ingestão do K Docs sem travar o sistema: - Índices de pesquisa vetorial : Otimizar para velocidade e precisão: - Demonstração do agente de IA: responda a perguntas complexas com expansão de contexto:56 - Dicas de profissionais: evitetool loops“” em agentes e acesse nosso roteiro de IA generativa MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developer
Mar 27, 2025
Vídeo
Como construir um agente de IA com Semantic Kernel, MongoDB Atlas, C# e OpenAI
Se você preferir seguir um tutorial por escrito, ele pode ser encontrado aqui: https://mdb.link/lvQ-EC5afIA-tutorial Trechos de código: https://gist.github.com/LuceCarter/2EFD3ae606da16aed1916ace5EF88595 Assine o MongoDB no YouTube→ https://mdb.link/subscribe Você já teve a impressão de escrever um agente de IA com o semântica Kernel? Junte-se à consultora do programador Luce Carrter neste tutorial para criar um agente de alimentação para ajudá-lo a decidir se você pode preparar suas comidas esta noite ou deve apenas ir a um restaurante! Assista a Introdução ao Microsoft Semantic Kernel com MongoDB Atlas em C# → https://youtu.be/qXswaD4IGUU?si=FacxfJK8PBYmtt3y Curso do Microsoft Aprenda: https://learn.microsoft.com/en-gb/training/paths/develop-ai-agents-azure-open-ai-semantic-kernel-sdk/%7C Documentação do índice do Vector Search : https://mdb.link/lvQ-EC5AFIA-doc Visite MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developer
Mar 19, 2025
Tutorial
Como distribuir o Vector Search, o Atlas Search e os nós de pesquisa com o Atlas Kubernetes Operator
Aprenda como distribuir o MongoDB Atlas Vector Search, Atlas Search e Nós de pesquisa usando o Atlas Kubernetes Operator. Este tutorial contém instruções passo a passo para integrar recursos de pesquisa avançada em clusters Kubernetes, habilitando volumes de trabalho escaláveis e de alto desempenho com o MongoDB Atlas.Mar 14, 2025
(+1)
Tutorial
Como usar o MongoDB Atlas e os LLMs do IBM watsonx.ai em seus aplicativos de GenAI sem interrupções
Aprenda como construir uma estrutura RAG utilizando MongoDB Atlas Vector Search e IBM watsonx LLMs.Mar 12, 2025
Tutorial
Criação de aplicativos de IA generativa usando o MongoDB: aproveitando o poder do Atlas Vector Search e dos modelos de código aberto
Saiba como criar aplicativos de IA generativa (GenAI) aproveitando o poder do MongoDB Atlas e do Vector Search.
Mar 12, 2025
Vídeo
MongoDB versus PostgreSQL para volumes de trabalho de IA: velocidade, escalabilidade e desenvolvedores expostos!
Confira nosso repositório de montra de IA generativa : https://github.com/mongodb-developer/GenAI-showcase Qual banco de dados você está usando para IA? Comente abaixo! ó Quer saber qual banco de dados controla os volumes de trabalho de IA? Colocamos o MongoDB contra o PostgreSQL (com o PG Vector) em um teste de desempenho frente a frente para pesquisa vetorial, velocidade de ingestão e recuperação em tempo real. Descubra por que os desenvolvedores estão mudando para a escalabilidade da IA! .100 ✅ Por que o MongoDB se destaca: Desempenho pronto para uso para dados JSON, sobrecarga de serialização zero e escalabilidade contínua. ✅ Mergulho detalhado do PostgreSQL PG Vector: desafios de configuração e quando ele ainda pode funcionar. ✅ Produtividade do desenvolvedor: evite “Postgres Regress” e concentre-se na criação de recursos de IA com mais rapidez. }4 2. . . . . O Postgres requer ajuste (parâmetros HNSW, serialização JSONB) para volumes de trabalho de IA. Por que a latência é importante para RAG, IA de conversa e aplicativos em tempo real no 2024. 0000 0215 1000540 12:30 vs PG 18 Vector:50 - 25 00 Latência de recuperação:30 por que os milissegundos são importantes para a IA: - Taxa de transferência: queries/segundo sob carga: - Experiência do desenvolvedor: vantagem do JSON do MongoDB:45 - Quando escolher o Postgres? Linguagens sinceras } Inscrever-se para obter mais informações sobre a tecnologia de IA → https://mdb.link/subscribe Visite MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developer
Mar 06, 2025
Tutorial
deepSeek e o futuro dos LLMs: por que a abordagem independente de LLM do MongoDB é importante
Descubra como o deepSeek-R1, um LLM de código aberto e revolvido, capacitado com um aprendizado de apoio Inovador, é um desafio para gigantes comerciais como o GPT-4, enquanto a arquitetura independente de LLM do MongoDB alimenta uma geração aumentada de recuperação em tempo real e eficiente em termos de custos sistema. Saiba mais sobre argumentos avançados, desempenho de benchmark e etapas práticas de implementação que tornam essa solução de ponta em IA uma mudança no cenário de IA em constante mudança.Feb 01, 2025
(+1)