Sobre esta tarefa
Crie um índice de pesquisa vetorial
Nesta seção, você cria um índice do MongoDB Vector Search nos dados de exemplo que você carrega no cluster:
Executar uma consulta do Vector Search
Nesta seção, você executa uma query de pesquisa de vetor de amostra em seus embeddings indexados.
Resumo do aprendizado
Este início rápido focou na recuperação de documentos do seu cluster que contenham texto semanticamente relacionado a uma query fornecida. No entanto, você pode criar um índice de pesquisa vetorial em incorporações que representam qualquer tipo de dados que você possa escrever em seu cluster, como imagens ou vídeos.
Dados de amostra
incorporações de vetor
Definição de índice vetorial
Consulta de pesquisa vetorial
A query que você executou neste início rápido é um pipeline de agregação , no qual o $vectorSearch estágio executa uma pesquisa de vizinho mais próximo (ANN) seguida por um $project estágio que refina os resultados. Para ver todas as opções de uma query de pesquisa vetorial, incluindo o uso do vizinho exato mais próximo (ENN) ou como restringir o escopo da pesquisa vetorial com a filter opção, consulte Executar queries de Vector Search .
Próximos passos
Para saber como criar incorporações a partir de dados e carregá-las no Atlas, consulte Criar incorporações.
Para saber como implementar a geração aumentada de recuperação (RAG), consulte Geração aumentada de recuperação (RAG) com MongoDB.
Para integrar o MongoDB Vector Search com frameworks e serviços de IA populares, consulte Integrações de IA do MongoDB.
Para criar chatbots de IA prontos para produção usando o MongoDB Vector Search, consulte a Framework do MongoDB Chartbot.
Para saber como implementar o RAG sem a necessidade de chaves ou créditos de API, consulte Criar uma implementação local do RAG com a Vector Search do MongoDB.