/ /

/ /

运行Atlas Vector Search查询

Overview

您可以将MongoDB Vector Search 与 EF Core 提供程序结合使用，对Atlas中存储的数据执行语义搜索。 Vector 搜索根据语义而不是关键字匹配来查询数据，从而检索更相关的结果。您可以使用MongoDB Vector Search 来支持语义搜索、混合搜索和检索增强生成 (RAG) 等使用案例。

要学习；了解有关MongoDB Vector Search 的更多信息，请参阅Atlas文档中的 MongoDB Vector Search 概述。

样本数据

本指南中的示例使用 sample_mflix数据库中的 embedded_movies集合。此集合中的文档使用以下 Movie 类作为模型：

public class Movie
{
    public ObjectId Id { get; set; }
    public string Title { get; set; } = null!;
    public string Plot { get; set; } = null!;
    public float[] PlotEmbedding { get; set; } = null!;
}

embedded_movies集合是Atlas提供的示例数据集的一部分。要设立集群并加载此示例数据，请参阅快速入门指南。

模型定义

要将MongoDB Vector Search 与 EF Core 提供程序结合使用，请在实体类上定义向量字段。使用 IsVectorIndex() Fluent API方法配置该字段的向量索引。

以下示例定义了一个具有名为 PlotEmbedding 的向量字段的 Movie 实体，并在该字段上配置了向量索引。

public class MoviesDbContext : DbContext
{
    public DbSet<Movie> Movies { get; init; } = null!;
    public MoviesDbContext(DbContextOptions options) : base(options) { }
    protected override void OnModelCreating(ModelBuilder modelBuilder)
    {
        modelBuilder.Entity<Movie>(entity =>
        {
            entity.ToCollection("embedded_movies");
            entity.Property(m => m.Title).HasElementName("title");
            entity.Property(m => m.Plot).HasElementName("plot");
            entity.Property(m => m.PlotEmbedding).HasElementName("plot_embedding")
                .HasBinaryVectorDataType(BinaryVectorDataType.Float32);
            entity.HasIndex(m => m.PlotEmbedding, "vector_index")
                .IsVectorIndex(VectorSimilarity.Cosine, 1536);
        });
    }
}

注意

创建索引后，您无法使用 EF Core 提供程序更改或删除索引。要更改或删除索引，请使用.NET/ C#驱动程序。要学习；了解更多信息，请参阅.NET/ C#驱动程序文档中的MongoDB搜索和MongoDB Vector Search 索引指南。

支持的向量嵌入类型

EF Core 提供程序支持以下类型的向量嵌入：

数组表示

EF Core 提供程序支持以下大量类型作为向量嵌入：

float[]
double[]
Memory<float> 和 ReadOnlyMemory<float>
Memory<double> 和 ReadOnlyMemory<double>

二进制表示形式

EF Core 提供程序支持以下二进制向量类型，与大量类型相比，这些类型可减少存储并提高查询性能：

BinaryVectorFloat32 — 全精度 32 位浮点数
BinaryVectorInt8 — 8 位量化整数
BinaryVectorPackedBit — 1 位打包二进制值

.NET/ C#驱动程序的 MongoDB.Driver命名空间包含用于配置二进制向量索引的 VectorQuantization 和 VectorSimilarity 枚举。

向量搜索查询示例

您可以使用 VectorSearch() 方法运行向量搜索查询。以下示例查询 embedded_movies集合中 PlotEmbedding字段值在语义上类似于“时间旅行冒险”的电影，然后最多返回 10 个匹配的文档。

// Replace queryVector with a 1536-dimension embedding vector from your model
float[] queryVector = new float[] { 0.1f, -0.2f, 0.3f, ... };
var results = context.Movies
    .VectorSearch(m => m.PlotEmbedding, queryVector, limit: 10)
    .ToList();