- Últimos
- Mais bem avaliado
Artigo
Aplicar linguagem natural em consultas do MongoDB com o Google Gemini
Ao integrar o MongoDB Atlas com as extensões de AI da Vertex, oferecemos uma solução que melhora a acessibilidade e a usabilidade do banco de dados.
Dec 13, 2024
Artigo
Construindo um correspondente estrangeiro com MongoDB, laudo do Aconnection, Python
Junte-se ao autor convidado Marko Aliksendric para aprender como usar o MongoDB, o Class da Athropic e o Python para criar um aplicação web simples destinado a ajudar um amigo virtual em um país estrangeiro a traduzir as notícias locais.
Dec 09, 2024
Artigo
Descubra a estrutura semântica latente com o cluster vetorial
Aproveite as propriedades matemáticas de uma população de vetores incorporados a IA db para extrair possíveis novas business intelligence.
Oct 11, 2024
Artigo
Comparação de técnicas de NLP para Atlas Search de produtos escaláveis
Neste artigo, compararemos quatro técnicas populares de processamento de linguagem natural (NLP) para encontrar a solução mais ideal para recuperar os resultados mais relevantes para uma query do Atlas Search a partir de um grande corpus de produtos.
Sep 23, 2024
Artigo
AI Shop: o poder da LangChain, OpenAI e MongoDB Atlas trabalhando juntos
Explore a sinergia do MongoDB Atlas, LangChain e OpenAI GPT-4 em nosso aplicativo avançado de loja de AI ._Spot_BS_ForestGreen.png&w=3840&q=75)
Sep 18, 2024
Artigo
Sistemas multiagentes com AutoGen e MongoDB
Descubra como construir poderosos sistemas de AI multiagentes usando AutoGen e MongoDB. Este guia explora a integração da Microsoft estrutura AutoGen da com o MongoDB do Atlas Vector Search, habilitando ( geração aumentada deRAG recuperação) eficiente e AI agentes de colaboradores. Aprenda a implementação passo a passo, da configuração do ambiente à configuração do agente , e desbloqueie o potencial de soluções de AI escaláveis e sensíveis ao contexto para tarefas complexas orientadas por dados.
Sep 18, 2024
Artigo
Implementação de pipelines RAG robustos: integração do Gemma 2 do Google (2B) técnicas de avaliação do MongoDB e LLM
Este tutorial explora a criação de um pipeline de geração aumentada de recuperação (RAG) integrando o modelo Gemma 2 (2B) do Google ao MongoDB e às técnicas de avaliação LLM. O Gemma 2, um modelo leve com dois bilhões de parâmetros, é usado para geração de resposta eficiente, enquanto o MongoDB atua como o banco de dados vetorial, permitindo a Atlas Search semântica para documentos relevantes. O tutorial demonstra como criar um assistente de gerenciamento de ativos que analisa os relatórios de mercado armazenados no MongoDB. Ele abrange a geração de incorporação, o Atlas Search vetorial e o uso da biblioteca Geodeval para avaliar a relevância e a fidelidade das respostas geradas pelo LLM. Ao combinar essas ferramentas, o tutorial destaca uma abordagem eficiente para criar soluções orientadas por IA com avaliação robusta de desempenho em um pipeline RAG.
Sep 12, 2024
Artigo
Audio Find - Atlas Vector Search para áudio
Explore a criação de um sistema de catálogo de músicas que aproveita o poder do Atlas Search vetorial do MongoDB Atlas e de um serviço Python para incorporação de som.
Sep 09, 2024
Artigo
Capturando e armazenando óptica do mundo real com o MongoDB Atlas, o GPT-4 da OpenAI e o PyMongo
Capture dados do mundo real usando o MongoDB Atlas, PyMongo e o GPT-4 da OpenAI. Transforme imagens em documentos JSON pesquisáveis e interaja com um agente de AI.
Sep 04, 2024
