Recursos do MongoDB Vector Search

Use estruturas de dados ricas e aninhadas para organização e consulta sem esforço. Modele vários campos com modelos de embedding e considere-os conjuntamente em query tempo para obter o desempenho ideal.

Garanta alta disponibilidade e desempenho com escalabilidade independente por meio de isolamento de carga de trabalho e infraestrutura dedicada multinuvem e otimizada para memória.

Aumente a escala e reduza os custos compactando vetores para tornar o armazenamento, o processamento e a recuperação mais eficientes, preservando a precisão da pesquisa.

Projetado para dar suporte à eficiência em casos de uso de vetores complexos e altamente dimensionais, equilibrando a precisão com a viabilidade computacional.

Projetado para focar na precisão, especialmente em conjuntos de dados de pequena escala, nos quais é fundamental melhorar o benchmarking e a velocidade de desenvolvimento.

Combine texto e pesquisa vetorial para aumentar a precisão, ajustando de forma flexível os pesos para priorizar a similaridade de vetores ou a relevância de palavras-chave.

O estágio de agregação $rerank, nativo e sem índice, é um “turbo” que eleva imediatamente a qualidade da recuperação, sem o atrito de criar e iterar continuamente em índices de pesquisa complexos.

Agora o Atlas incorpora automaticamente seus dados usando o Voyage AI — basta escolher um modelo, criar um índice e pesquisar semanticamente. Sem pipelines. Sem sincronização. Sem ferramentas extras.