博客在Microsoft Azure上预览专用Atlas搜索节点-了解更多>

阿特拉斯

矢量搜索

使用功能齐全的向量数据库，构建由语义搜索和任何类型数据的生成AI支持的智能应用程序。
浏览教程
地图集矢量搜索图解。
什么是地图集矢量搜索？
将您的操作数据库和矢量搜索集成在一个具有完整矢量数据库功能的单一、统一、完全管理的平台中。在Atlas上存储您的运营数据、元数据和矢量嵌入，同时使用Atlas矢量搜索构建智能一代人工智能应用程序。观看3分钟视频

特色集成

LangChain公司
拉马指数
开放人工智能
拥抱的脸
相干的

查看全部
Atlas Vector Search的关键用例

Atlas Vector Search的关键用例

Atlas Vector Search允许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，并在Atlas中存储和索引它们，以用于检索增强生成（RAG）、语义搜索、推荐引擎、动态个性化和其他用例。什么是检索增强生成？
矢量搜索简化

矢量搜索简化

使用Atlas Vector Search，开发人员可以构建AI驱动的体验，同时通过MongoDB Query API形式的统一一致的开发人员体验访问他们需要的所有数据。我们新的$vectorSearch聚合阶段使那些已经使用MongoDB的用户更加容易。矢量搜索在3分钟内解释
MongoDB自动缩放功能的两个图形的插图。

工作负载隔离，提高可扩展性和可用性

为Atlas搜索和矢量搜索工作负载设置专用基础架构。优化计算资源以独立扩展搜索和数据库，从而在规模上提供更好的性能和更高的可用性。查看文档
机器人代表人工智能应用的图示

Atlas作为矢量数据库的多功能性

我们平台的多功能性使用户能够在Atlas上存储其操作数据、元数据和矢量嵌入，并无缝使用Atlas vector Search索引、检索和构建性能良好的gen AI应用程序，而不是使用独立或固定的矢量数据库。
避免同步税

避免同步税

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旁边。向量嵌入与应用程序数据集成，并为语义查询无缝索引，使您能够更轻松、更快地构建。什么是文档数据库？
移除可操作的重型起重设备

移除操作重物

Atlas Vector Search建立在MongoDB Atlas开发人员数据平台上。轻松实现资源调配、修补、升级、扩展、安全性和灾难恢复的自动化，同时深入了解数据库和矢量搜索的性能，以便您可以专注于构建应用程序。了解如何构建智能应用程序

强大的人工智能集成生态系统

Atlas Vector Search通过与各种顶级LLM和框架集成，加速您构建高级搜索和生成性AI应用程序的进程。
LangChain标志图像。

LangChain公司

LangChain-MongoDB是一个专用软件包，为LLM提供“长期内存”功能—向量存储、会话历史和语义缓存。

LlamaIndex标志图片。

拉马指数

MongoDB Atlas Vector Search与LlamaIndex集成，为LLM提供“长期内存”，并为文档块提供存储。

OpenAI徽标图像。

开放人工智能

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性AI应用程序。

拥抱脸标志图像。

拥抱的脸

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

连贯的标志图像。

相干的

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性AI应用程序。

Microsoft语义内核徽标图像。

Microsoft语义内核

语义内核是一个SDK，它简化了使用C#和python等编程语言构建LLM应用程序的过程。Atlas Vector搜索集成为LLM应用程序提供“内存”。

AWS标志图像。

亚马逊基岩知识库

Amazon Bedrock的知识库是一种完全管理的功能，允许实现从摄取到检索的整个RAG工作流。Atlas Vector Search以本机方式安全集成。

“将我们的搜索数据部署到Atlas search Node非常容易，只需点击几个按钮。此外，矢量搜索的内存需求现在可以与Atlas搜索Node的部署完全匹配。这是保持矢量搜索快速简化的关键考虑因素。”
皮尔斯·兰姆
VISO TRUST高级软件工程师
阅读整个故事
“我们希望通过MongoDB Atlas Vector search和Generative AI功能支持的对话式搜索，让客户知识库的用户能够即时、可靠、准确地获得问题的答案。”
萨拉瓦娜·库马尔
科维首席执行官
阅读整个故事
“我们最初是在寻找其他供应商进行矢量搜索。然而，一旦我们看到MongoDB的矢量搜索，它就不再需要培训了——因为我们知道我们要将所有内容都转移到Atlas，所以我们知道我们应该在那里整合所有内容。”
马尔斯·兰
合作伙伴和首席技术官，隐喻数据
阅读整个故事
“通过Atlas Vector Search，我们现在拥有了一个经过十年改进的经过作战测试的矢量元数据数据库，有效地满足了我们密集的检索需求。无需部署新的数据库，因为我们的矢量和工件元数据可以无缝地存储在一起。”
罗素·谢尔曼
VISO TRUST联合创始人兼首席技术官
阅读整个故事
“我们正在使用AI嵌入和向量搜索来超越具有语义意义的全文搜索，并为生成性AI购车助手提供上下文和记忆。我们很高兴MongoDB将向量搜索添加到Atlas中，这大大简化了我们的工程工作。”
内森·克利夫格
Drivly Inc.创始人兼首席技术官。

用于构建AI驱动的应用程序的资源

了解如何利用MongoDB简化下一代AI驱动应用程序的开发。
查看资源

常见问题解答

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实践。
什么是向量？
向量是数据和相关上下文的数字表示，可以使用高级算法进行有效搜索。
地图集矢量搜索与地图集搜索有何不同？
Atlas Vector Search允许根据向量中捕获的语义搜索数据，而地图集搜索允许关键字搜索（即基于实际文本和任何定义的同义词映射）。
我可以使用MongoDB Atlas而不是独立的矢量数据库吗？
是的，MongoDB Atlas是一个向量数据库。Atlas是一个完全管理的多云开发人员数据平台，具有丰富的功能，包括文本或词汇和向量搜索。我们平台的多功能性使用户能够在Atlas上存储其操作数据、元数据和矢量嵌入，并无缝使用Atlas vector Search索引、检索和构建性能良好的gen AI应用程序，而不是使用独立或固定的矢量数据库。
什么是KNN？
KNN代表“K最近邻”，这是一种常用于查找相邻向量的算法。
了解更多信息
什么是$vectorSearch，它与$search中的knnBeta操作符有何不同？
$vectorSearch是MongoDB Atlas中的一个新聚合阶段，允许您使用MongoDB查询语言过滤（例如“$eq”或“$gte”）执行近似最近邻（ANN）查询。Atlas集群6.0版及更高版本将支持此阶段。$search中的knnBeta操作符也将继续得到支持。
了解更多信息
什么是ANN？
ANN代表“近似最近邻”，它是一种寻找类似向量的方法，以牺牲准确性而有利于性能。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分级可导航小世界（HNSW）图。
什么是搜索节点？
搜索节点为Atlas搜索和矢量搜索工作负载提供了专用的基础设施，允许您优化计算资源并完全扩展独立于数据库的搜索需求。搜索节点提供了更好的大规模性能，提供了工作负载隔离、更高的可用性，以及更好地优化资源使用的能力。
了解更多信息
Atlas Search支持哪些向量嵌入？
Atlas Vector Search支持来自任何服务上低于4096维限制的提供商的嵌入。
矢量搜索适用于图像、媒体文件和其他类型的数据吗？
是的，Atlas Vector Search可以查询任何可以转换为嵌入的数据。文档模型的好处之一是，您可以将嵌入与文档中丰富的数据一起存储。

充分利用Atlas

利用我们的其他开发人员数据平台，提供更多数据驱动的体验和见解。
地图集数据库

数据库

从为弹性、规模和最高级别的数据隐私和安全而构建的多云数据库服务开始。

地图册_图表

图表

让您的数据立即栩栩如生。创建、共享和嵌入可视化以实现实时洞察和商业智能。

地图集_数据_联邦

数据联合

仅包含在付费层中

通过Atlas和AWS S3轻松分析丰富的数据。组合、转换和丰富来自多个来源的数据，无需复杂的集成。

立即注册
放大镜和文件。

准备好开始了吗？

前往我们的教程了解如何快速创建MongoDB数据的嵌入并使用我们的矢量搜索功能进行搜索。快速入门