Atlas

MongoDB Atlas
一个矢量数据库，但不止于此

尽享使用 MongoDB Atlas 作为矢量数据库的自由和灵活性，存储和搜索矢量以及您的运营数据。
免费开始使用
Vector Search 快速入门指南
数据库插图。

原生矢量数据库功能

矢量嵌入是数据和相关上下文的数字表示。MongoDB Atlas 将矢量嵌入与实时应用程序数据统一在一个完全托管的多云数据库中，该数据库可以处理事务、搜索和检索、应用程序内分析、地理空间和流媒体工作负载需求。什么是向量数据库？
搜索结果上的放大镜插图。

利用 RAG 让大型语言模型更智能

检索增强生成 (RAG) 使大型语言模型 (LLM) 能够访问实时的最新数据，填补了大型语言模型未接受训练的知识空白。RAG 使您能够使用企业数据构建针对业务需求量身定制的超个性化体验。什么是检索增强生成？
递增条形图和火箭船示意图。

降低复杂性，提高生产力

小众技术导致碎片化且低效的开发者体验。Atlas 为您提供了构建生成式人工智能驱动应用程序所需的所有功能，同时减少了开发者的扩展性、复杂性和开销，所有这些都集中在一个平台上，而不是附加在一个独立运行的实例矢量数据库上。Atlas Vector Search 教程
箭头和图表的插图，代表可扩展性

利用工作负载隔离提高可扩展性和可用性

为 Atlas Vector Search 工作负载设立专用基础架构。优化计算资源以独立扩展搜索和数据库，从而大规模提升性能并实现更高的可用性。查看文档
连接到云的数据库插图。

云灵活性和 AI 生态系统集成

一些 AI 应用程序需要来自特定云或模型的专门机器学习基础设施。MongoDB Atlas 独具特色地在所有主要云提供商上提供全球多云数据库集群，并支持绝大多数模型提供商生成的嵌入。理解大型语言模型
生成式人工智能案例研究
“作为全球使用最广泛的自然语言摄取和预处理平台，与 MongoDB 合作对我们来说是自然而然的选择。这种合作可以加快智能应用程序的开发速度。我们正在共同为企业利用数据铺平道路。”
Brian Raymond
Unstructured.io 创始人/CEO
阅读更多
生成式人工智能案例研究
“我们使用存储在 MongoDB 中的句子来训练我们的模型并支持实时推理。MongoDB 的文档数据模型非常灵活，非常适合存储各种结构化和非结构化内容，并支持我们的机器学习模型翻译。”
Himanshu Sharma
Devnagri 联合创始人/CEO
阅读更多
生成式人工智能案例研究
“在瞬息万变的 AI 技术市场中，MongoDB 是我们稳定的锚……我的开发者可以自由地使用 AI 进行创造，同时能够在晚上安然入睡。”
Orr Mendelson
WINN.AI 研发主管
阅读更多
生成式人工智能案例研究
“MongoDB 文档模型确实让我们能够展翅高飞，自由探索 AI 的新功能，例如新的预测、新的洞察力和新的输出数据点。”如果使用其他平台，我们就必须不断返回到根本的基础设施并进行维护。现在，我们可以不断添加、扩展和探索新的功能。”
Amit Ben
One AI CEO/创始人
阅读更多
生成式人工智能案例研究
“Atlas Vector Search 和 Building Generative AI 应用程序教程的推出为我提供了一个快速、现成的蓝图，该蓝图汇集了源数据数据库、用于 AI 驱动的语义搜索的矢量搜索以及用于保持所有内容更新的反应式实时数据管道，所有这些都集中在一个平台上，只有一个数据副本和一个统一的开发者 API。”
Raj Thaker
Crewmate CTO 兼联合创始人
阅读更多

准备好开始了吗？

开始利用 RAG、大型语言模型和您自己的私有数据，在 MongoDB Atlas 中使用原生矢量数据库功能构建变革性的 AI 驱动应用程序。

免费开始使用 了解详情
数据库插图。