了解如何利用 Atlas Vector Search 功能来实现现代搜索和生成式 AI 用例。
与独立矢量数据库不同，Atlas 可让您在一个统一、安全、可扩展的数据平台中存储并处理操作数据、元数据和向量。
使用丰富的嵌套数据结构来轻松组织和查询。使用嵌入模型对多个字段进行建模，并在查询时共同考虑它们，以实现最佳性能。
通过工作负载隔离和内存优化的多云专用基础架构，实现独立的可扩展性，从而确保提升可用性和性能。
通过压缩向量以提高存储、处理和检索效率，同时保持搜索准确性，从而扩大规模并降低成本。
利用灵活的搜索方法来优化相关性和性能，以满足您的需求。
旨在通过平衡准确性和计算可行性来支持复杂、高维向量用例的效率。
旨在侧重于精确性，在提高基准测试和开发速度至关重要的小规模数据集中特别有用。
结合文本和向量搜索，通过灵活调整权重来优先考虑向量相似性或关键字相关性，以提高准确性。
