BLOGAnnounced at MongoDB.local NYC 2024: A recap of all announcements and updates — Learn more >

ATLAS

Vector Search。使用 GenAI 构建智能应用

在任何类型的数据上构建由语义搜索和生成式 AI 提供支持的智能应用程序。
浏览教程
Atlas Vector Search 插图。
什么是 Atlas Vector Search?
将您的操作数据库和向量搜索集成在一个统一且完全托管的平台中,该平台具有 MongoDB 原生接口,可以通过流行的框架利用大型语言模型 (LLM)。观看 3 分钟视频

特色集成

LangChain
LlamaIndex
OpenAI
Hugging Face
Cohere

查看全部
Atlas Vector Search 的关键使用案例

Atlas Vector Search 的关键使用案例

Atlas Vector Search 可让您搜索非结构化数据。您可以使用 OpenAI 和 Hugging Face 等机器学习模型创建向量嵌入,将它们存储在 Atlas 中并为其建立索引,以用于检索增强生成 (RAG)、语义搜索、推荐引擎、动态个性化和其他使用案例。什么是检索增强生成?
简化了向量搜索

简化了向量搜索

借助 Atlas Vector Search,开发者可以在访问他们需要的所有数据的同时,通过 MongoDB Query API 这种统一且一致的开发者体验,构建由 AI 提供支持的体验。我们新的 $vectorSearch 聚合阶段为那些已经使用 MongoDB 的用户带来了更多便利。3 分钟讲清 Atlas Vector Search
避免同步带来的负担

避免同步带来的负担

利用文档模型的强大功能,将向量嵌入存储在源数据和元数据的旁边。向量嵌入与应用程序数据集成,并无缝地建立索引以用于语义查询,使您能够更轻松、更快速地完成构建。什么是文档型数据库?
消除繁重的运维工作

消除繁重的运维工作

Atlas Vector Search 基于 MongoDB Atlas 开发者数据平台构建。它可轻松地自动完成预配、修补、升级、扩展、安全性和灾难恢复,同时为数据库和向量搜索提供深入的性能可见性,让您可以专注于构建应用程序。了解如何构建智能应用程序

强健的 AI 集成生态系统

Atlas Vector Search 与各种顶级大型语言模型和框架集成,让在您在构建高级搜索和生成式 AI 应用程序的道路上快马加鞭地前进。
LangChain logo image.

LangChain

MongoDB Atlas Vector Search 与 LangChain 集成,为大型语言模型提供“长期记忆”并可存储聊天对话。

LlamaIndex 徽标图片。

llaMaindex

MongoDB Atlas Vector Search 与 LlamaIndex 集成,可为大型语言模型提供“长期记忆”,并可存储文档数据块。

OpenAI 徽标图片。

OpenAI

OpenAI 生成的向量嵌入可以存储在 MongoDB Atlas Vector Search 中,以构建高性能的生成式 AI 应用程序。

Hugging Face 徽标图片。

Hugging Face

Hugging Face 提供对许多开源模型的访问,这些模型可轻松用于生成向量嵌入并将其存储在 Atlas Vector Search 中。

Cohere 徽标图片。

Cohere

Cohere 生成的向量嵌入可以存储在 MongoDB Atlas Vector Search 中,以构建高性能的生成式 AI 应用程序。

Nomic 徽标图片。

Nomic

Nomic 提供了在 Web 浏览器中轻松实现可视化和探索向量嵌入数据的能力,以及通过 gpt4all 生成向量嵌入的能力。它可以方便地与 Atlas Vector Search 配合使用。

Microsoft Semantic Kernel 徽标图片。

Microsoft Semantic Kernel

Semantic Kernel 是一个 SDK,可简化使用 C# 和 Python 等编程语言构建 LLM 应用程序的过程。Atlas Vector Search 集成了为 LLM 应用程序提供“记忆”的功能。

“我们希望借助由 MongoDB Atlas Vector Search 和生成式 AI 功能提供支持的对话式搜索,让使用客户知识库的用户能够获得即时、可信且准确的问题答案。”
Saravana Kumar
Kovai 公司 CEO
阅读全文
“一开始,我们在考察其他向量搜索供应商。但是,我们一见到 MongoDB 的向量搜索,一切就变得轻而易举了 — 我们决定把一切都转移到 Atlas,统统整合到其中。”
Mars Lan
Metaphor Data 联合创始人兼首席技术官
“有了 Atlas Vector Search,我们现在拥有了一个久经考验的向量元数据数据库。该数据库经过了十年的完善,有效地满足了我们的密集检索需求。无需部署新的数据库,因为我们的向量和工件元数据可以无缝地存储在一起。”
Russell Sherman
VISO TRUST 联合创始人兼首席技术官
“我们使用 AI 嵌入和向量搜索,超越了语义型全文搜索,为生成式 AI 购车助手提供上下文和记忆。我们非常高兴 MongoDB 在 Atlas 中增加了向量搜索功能。它极大地简化了我们的设计过程。”
Nathan Clevenger
Drivly Inc. 创始人兼首席技术官

用于构建 AI 驱动型应用程序的资源

了解如何利用 MongoDB 简化下一代 AI 驱动型应用程序的开发。
查看资源

常见问答

什么是语义搜索?
语义搜索是根据数据的含义而不是数据本身进行搜索的做法。
什么是向量?
向量是数据和关联上下文的数字表示,可以使用高级算法进行高效搜索。
什么是 KNN?
KNN 表示“K 最近邻”,这是一种常用于查找相邻向量的算法。
了解详情
什么是 $vectorSearch?它与 $search 中的 knnBeta 操作符有何不同?
$vectorSearch 是 MongoDB Atlas 中的一个新聚合阶段,可让您使用 MongoDB 查询语言过滤(例如,“$eq”或“$gte”)执行近似最近邻查询。Atlas cluster 6.0 及更高版本支持该阶段。$search 中的 knnBeta 操作符也将继续受到支持。
了解详情
什么是 ANN?
ANN 表示 Approximate Nearest Neighbors(近似最近邻),它是一种寻找相似向量的方法,以牺牲准确性为代价来提升性能。这是用于支持 Atlas Vector Search 的核心算法之一。我们的近似最近邻搜索算法使用了 分层可导航小世界 (HNSW) 图。
Atlas Search 支持哪些向量嵌入?
Atlas Vector Search 支持来自在服务的 4096 维限制内的任何提供程序的嵌入。
向量搜索是否适用于图像、媒体文件和其他类型的数据?
适用,Atlas Vector Search 可以查询任何可以转化为嵌入的数据。文档模型的好处之一是您可以将嵌入与丰富的数据一起存储在文档中。

充分利用 Atlas

利用我们应用程序数据平台的其他功能,提供更多的数据驱动体验和见解。
atlas_database

数据库

从多云数据库服务入手,满足对弹性、规模以及数据隐私和安全性的高要求。

atlas_charts

Charts

立即为您的数据赋予生命。创建、共享和嵌入可视化功能,以获得实时见解和商业智能。

atlas_data_federation

数据同盟

仅包含在付费层中

轻松跨越 Atlas 和 AWS S3,分析海量数据。合并、转换和充实多重来源的数据,避免复杂集成。

立即报名
放大镜和文档。

准备好开始了吗?

请参阅 我们的教程 了解如何快速创建 MongoDB 数据嵌入,并使用我们的向量搜索功能进行搜索。开始使用