使用MongoDB Vector Search 自动生成嵌入

必需的访问权限

您需要 Project Data Access Admin 或更高角色才能创建和管理MongoDB Vector Search 搜索索引。

索引事务语法

以下是启用自动生成嵌入的语法：

1
{
2
  "fields": [
3
    {
4
      "type": "text",
5
      "path": "<field-name>",
6
      "model": "voyage-3-large | voyage-3.5 | voyage-3.5-lite"
7
    }
8
  ]
9
}

索引字段

索引定义中需要以下字段：

Considerations

自动嵌入的索引字段与以下 vector 类型索引字段互斥：

• numDimensions

• similarity

• quantization

如果您的集合已经包含嵌入，则必须使用 vector 类型字段来为嵌入创建索引。要了解有关使用嵌入对字段进行索引的更多信息，请参阅如何对 Vector Search 字段进行索引。

如果您想要为自动生成嵌入的文本字段建立索引，并使用您自己的嵌入为字段索引，则可以同时使用 text 和 vector 类型创建索引。MongoDB Vector Search 将仅自动为针对索引为 text 类型的字段的查询生成嵌入。您必须在查询中指定嵌入，才能搜索索引为 vector 类型的字段。

您还可以使用MongoDB Vector Search filter 类型对字段进行索引以预筛选数据。

要学习；了解有关预过滤数据的更多信息，请参阅关于 filter 类型。

为自动嵌入创建索引

以下过程将演练在MongoDB Vector Search索引中启用自动嵌入的步骤。如果加载了 sample_mflix.movies 数据集，则过程中的示例将演示如何为集合中的 fullplot字段启用自动嵌入。

查询语法

以下语法演示了如何对针对自动嵌入进行了索引的字段运行查询：

1
{
2
  "$vectorSearch": {
3
    "index": "<index-name>",
4
    "limit": <number-of-results>,
5
    "numCandidates": <number-of-candidates>,
6
    "path": "<field-to-search>",
7
    "query": "<query-string>"
8
  }
9
}

查询字段

使用自动嵌入的MongoDB Vector Search查询需要以下字段：

Considerations

您可以对近似最近邻 (ANN)或精确最近邻 (ENN)查询运行于索引字段。要学习、了解更多信息，请参阅 近似最近邻 (ANN) 搜索和 精确最近邻 (ENN) 搜索。

您不能在查询中针对为自动嵌入建立索引的字段指定向量嵌入。相反，您必须对该字段运行自然语言查询。当您针对自动嵌入的索引字段运行自然语言查询时， MongoDB Vector Search 使用与索引字段相同的嵌入模型自动为查询文本生成嵌入。然后，它使用生成的嵌入对索引字段执行语义搜索。

您可以选择在查询中指定 filter 字段，以对 MongoDB 向量搜索 执行语义搜索的文档进行预过滤。要了解更多信息，请参阅MongoDB 向量搜索 过滤器。

您还可以选择检索结果中文档的分数。要学习，了解更多信息，请参阅MongoDB 向量搜索 Scoring。

使用自动嵌入运行查询