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
As incorporações de vetor na sample_mflix.embedded_movies coleção e na consulta de exemplo foram criadas utilizando o modelo de incorporação da Voyage voyage-3-large AI. Sua escolha de modelo de incorporação informa as dimensões vetoriais e a função de similaridade vetorial que você usa em seu índice de pesquisa vetorial . Você pode usar qualquer modelo de incorporação de sua preferência e vale a pena experimentar modelos diferentes, pois a precisão pode variar de modelo para modelo, dependendo do seu caso de uso específico.
Para aprender a criar incorporações vetoriais dos seus próprios dados, consulte Como criar incorporações vetoriais.
Definição de índice vetorial
Consulta de pesquisa vetorial
A consulta executada neste início rápido é um pipeline de agregação, no qual o estágio $vectorSearch executa uma pesquisa aproximada de vizinho mais próximo (ANN) seguida por um estágio $project que refina os resultados. Para ver todas as opções para uma query de pesquisa vetorial , incluindo o uso do vizinho mais próximo exato (ENN) ou como estreitar o escopo da sua pesquisa vetorial com a opção filter , 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.