ATLAS
Búsqueda de vectores
Cree aplicaciones inteligentes impulsadas por la búsqueda semántica y la IA generativa sobre cualquier tipo de datos.
Integraciones Destacadas
Casos de uso clave para Atlas Vector Search
Atlas Vector Search le permite buscar datos no estructurados. Puede crear incrustaciones de vectores con modelos de aprendizaje automático como OpenAI y Hugging Face, y almacenarlos e indexarlos en Atlas para la recuperación de generación aumentada (RAG), la búsqueda semántica, el motor de recomendación, la personalización dinámica y otros casos de uso.
Búsqueda vectorial simplificada
Con Atlas Vector Search, los desarrolladores pueden crear experiencias impulsadas por IA mientras acceden a todos los datos que necesitan a través de una experiencia de desarrollador unificada y consistente en forma de MongoDB Query API. Nuestra nueva etapa de agregación $vectorSearch lo hace aún más fácil para quienes ya usan MongoDB.
Evitar el impuesto de sincronización
Almacene incrustaciones de vectores justo al lado de sus datos y metadatos de origen con el poder del modelo de documento. Las incrustaciones de vectores se integran con los datos de la aplicación y un índice perfecto para consultas semánticas, lo que le permite crear de forma más fácil y rápida.
Elimine el levantamiento pesado operativo
Atlas Vector Search se basa en la plataforma de datos para desarrolladores MongoDB Atlas. Automatice fácilmente el aprovisionamiento, la aplicación de parches, las actualizaciones, el escalamiento, la seguridad y la recuperación ante desastres, al tiempo que proporciona una visibilidad profunda del rendimiento tanto de la base de datos como de Vector Search para que pueda concentrarse en crear aplicaciones.Ecosistema robusto de integraciones de IA
Atlas Vector Search acelera su viaje hacia la creación de aplicaciones de búsqueda avanzada y de inteligencia artificial generativa al integrarse con una amplia variedad de marcos y LLM destacados.
LangChain
Atlas Vector Search de MongoDB se integra con LangChain para proporcionarles "memoria a largo plazo" a los LLM y como un almacén para conversaciones de chat.
LlamaIndex
Atlas Vector Search de MongoDB se integra con LlamaIndex para proporcionarles "memoria a largo plazo" a los LLM y como un almacén para fragmentos de documentos.
OpenAI
Las incrustaciones vectoriales generadas con OpenAI se pueden almacenar en Atlas Vector Search de MongoDB para crear aplicaciones de IA generativa de alto rendimiento.
Hugging Face
Hugging Face proporciona acceso a muchos modelos de código abierto que se pueden utilizar con facilidad para generar incrustaciones vectoriales y almacenarlas en Atlas Vector Search.
Cohere
Las incrustaciones vectoriales generadas con Cohere se pueden almacenar en Atlas Vector Search de MongoDB para crear aplicaciones de IA generativa de alto rendimiento.
Nomic
Nomic ofrece la posibilidad de visualizar y explorar con facilidad los datos de incrustación vectorial en el navegador web, así como de generar incrustaciones vectoriales a través de thegpt4all. Funciona fácilmente con Atlas Vector Search.
Microsoft Semantic Kernel
Semantic Kernel es un SDK que simplifica la creación de aplicaciones LLM con lenguajes de programación como C# y python. Atlas Vector Search se integra para proporcionar "memoria" para aplicaciones LLM.
“Queremos hacer posible que los usuarios de la base de conocimientos de nuestros clientes reciban respuestas instantáneas, confiables y precisas a sus preguntas utilizando la búsqueda conversacional basada en Atlas Vector Search de MongoDB y las capacidades de IA generativa”.
CEO, Kovai
“Con Atlas Vector Search, ahora poseemos una base de datos de metadatos vectoriales probada en batalla, refinada durante una década, que aborda de manera efectiva nuestros densos requisitos de recuperación. No hay necesidad de implementar una nueva base de datos, ya que nuestros vectores y metadatos de artefactos se pueden almacenar perfectamente uno junto al otro".
Cofundador y CTO de VISO TRUST
“Estamos utilizando incrustaciones de IA y búsqueda vectorial para ir más allá de la búsqueda de texto completo con significado semántico y brindar contexto y memoria a los asistentes de compra de automóviles con IA generativa. Estamos muy entusiasmados de que MongoDB haya agregado Vector Search a Atlas, lo que simplifica enormemente nuestros esfuerzos de ingeniería”.
Fundador y CTO, Drivly Inc.
Preguntas frecuentes
¿Qué es la búsqueda semántica?
Semantic Search o búsqueda semántica es la práctica de buscar sobre el significado de los datos en sí.
¿Qué es un vector?
Un vector es una representación numérica de datos y contexto asociado que se puede buscar de manera eficiente utilizando algoritmos avanzados.
¿En qué se diferencia Atlas Vector Search de Atlas Search?
Atlas Vector Search permite buscar datos basados en el significado semántico capturado en vectores, mientras que Atlas Search permite la búsqueda de palabras clave (es decir, basada en el texto real y cualquier mapeo de sinónimos definido).
¿Qué es KNN?
¿Qué es $vectorSearch y en qué se diferencia del operador knnBeta en $search?
$vectorSearch es una nueva etapa de agregación en MongoDB Atlas que le permite ejecutar una consulta de vecino más cercano aproximado con filtrado de lenguaje de consulta MongoDB (por ejemplo, “$eq” o “$gte”). Esta etapa será compatible con la versión 6.0 y superior Atlas cluster. El operador knnBeta en $search también seguirá siendo compatible.
¿Qué es ANN?
ANN significa "Vecinos más cercanos aproximados" y es un enfoque que se utiliza para encontrar vectores similares que favorece el desempeño por sobre la precisión.Este es uno de los principales algoritmos que se utilizan para impulsar Atlas Vector Search. Nuestro algoritmo para la búsqueda aproximada de Vecino más cercano utiliza el Mundo pequeño navegable jerárquico (HSSW) grafito.
¿Qué incrustaciones de vectores son compatibles con Atlas Search?
Atlas Vector Search admite incrustaciones de cualquier proveedor que esté por debajo del límite de dimensión de 2048 en el servicio.
¿Vector Search funciona con imágenes, archivos multimedia y otro tipo de datos?
Sí, Atlas Vector Search puede consultar cualquier tipo de datos que puedan convertirse en una incrustación. Uno de los beneficios del modelo de documento es que puede almacenar sus incrustaciones junto con los datos enriquecidos en sus documentos.
Register Now
