Você pode criar recursos e aplicativos de IA usando o MongoDB Vector Search. Use as páginas a seguir para saber como implementar casos de uso e padrões de design comuns.
Pesquisa semântica
O MongoDB pesquisa vetorial permite que você execute pesquisa semântica em seus dados em alguns cliques usando Automated Embedding, que gera automaticamente embeddings vetoriais durante a indexação, atualizações e query usando o modelo de sua escolha.
Para começar, consulte Tutorial de início rápido da pesquisa vetorial do MongoDB.
Geração aumentada de recuperação (RAG)
O RAG permite combinar modelos de idioma com seus próprios dados, recuperando o contexto relevante antes de gerar respostas. Esse padrão permite criar aplicativos de IA que forneçam respostas mais precisas e específicas do domínio, com base em seus dados personalizados.
Para saber mais e começar, consulte Retrieval-Augmented Geração (RAG) com MongoDB.
Você também pode implementar o RAG localmente, sem a necessidade de chaves API de fornecedores LLM. Para saber mais, consulte Criar uma implementação de RAG local com o MongoDB Vector Search.
Agentes de IA
O MongoDB oferece vários recursos para criar agentes de IA. Como um banco de dados de vetores e documento , o MongoDB oferece suporte a vários métodos de pesquisa para RAG de agentes, além de armazenar interações de agente no mesmo banco de dados para memória de agente de curto e longo prazo.
Para saber mais e começar a usar, consulte Construir agentes de IA com o MongoDB.
Pré-requisitos
Para concluir os tutoriais nestas páginas, você deve ter o seguinte:
Um dos seguintes tipos de cluster MongoDB :
Um Atlas cluster executando o MongoDB versão 6.0.11, 7.0.2 ou posterior. Garanta que seu endereço IP esteja incluído na lista de acessodo seu projeto Atlas .
Um sistema local do Atlas criado usando Python e Docker. Instale
atlas-local-lib-pyopip install atlas-local-lib-py() para criar e gerenciar implantações locais programaticamente. Para saber mais, consulte o repositório atlas-local-lib-py .Um cluster MongoDB Community ou Enterprise com Search e Vector Search instalados.
Project Data Access Adminacesso ao projeto para criar índices MongoDB Vector Search .Os dados de amostra carregados em seu cluster MongoDB .
mongoshou em um driver MongoDB compatível para executar queries em seu cluster.
Observação
Você pode executar queries do MongoDB Vector Search usando qualquer driver por meio do estágio de agregação $vectorSearch. Esses tutoriais incluem exemplos para uma seleção de drivers. Consulte a página do tutorial específica para obter detalhes.