Você pode integrar o MongoDB Vector Search ao Haystack para criar aplicativos personalizados com LLMe implementar a geração aumentada de recuperação (RAG). Este tutorial demonstra como começar a usar o MongoDB Vector Search com o Haystack para executar pesquisas semânticas em seus dados e criar uma implementação de RAG. Especificamente, você executa as seguintes ações:
Configure o ambiente.
Crie um índice do MongoDB Vector Search .
Armazene dados personalizados no MongoDB.
Implemente o RAG usando o MongoDB Vector Search para responder a perguntas sobre seus dados.
Trabalhe com uma versão executável deste tutorial como um notebook Python.
Plano de fundo
Haystack é um framework para criar aplicativos personalizados com LLMs, modelos de embedding e pesquisa vetorial. Ao integrar o MongoDB Vector Search com o Haystack, você pode usar o MongoDB como um banco de dados vetorial e usar o MongoDB Vector Search para implementar o RAG, recuperando documentos semanticamente semelhantes de seus dados. Para saber mais sobre RAG, consulte Geração Aumentada de Recuperação (RAG) com MongoDB.