MongoDB Atlas Vector Search — это встроенная возможность, которая позволяет хранить и искать многомерные векторные embeddings прямо рядом с традиционными данными документов — что исключает необходимость отдельной векторной базы данных.
Индекс определяется с использованием типа vectorSearch, указывая поле embedding и количество измерений:
{
"type": "vectorSearch",
"fields": [{
"type": "vector",
"path": "embedding",
"numDimensions": 1536,
"similarity": "cosine"
}]
}
Запросы используют стадию агрегации $vectorSearch для получения наиболее релевантных результатов на основе семантического сходства.
Комбинируя vector search с существующим движком запросов MongoDB, команды могут создавать AI-приложения без управления несколькими базами данных. Это упрощает архитектуру, снижает задержки и держит операционные данные и embeddings полностью синхронизированными.
MongoDB Atlas Vector Search избавляет тебя от необходимости использовать отдельную базу данных векторов, храня векторные эмбеддинги как поля в обычных MongoDB документах рядом с традиционными данными.
Новый — ещё не проверен сообществом
Вы