Como integrar pesquisa vetorial a tecnologias de IA
Nesta página
Você pode usar o Atlas Vector Search com provedores conhecidos de IA e LLMs por meio de suas APIs padrão. O MongoDB e os parceiros também fornecem integrações de produtos específicas para ajudar você a aproveitar o Atlas Vector Search em seus aplicativos RAG e baseados em IA.
Esta página destaca as notáveis integrações de IA que o MongoDB e seus parceiros desenvolveram. Para obter uma lista completa de integrações e serviços de parceiros, consulte Explorar o ecossistema de parceiros do MongoDB.
Frameworks
Você pode integrar o Atlas Vector Search com as seguintes estruturas de código aberto para armazenar dados personalizados no Atlas e implementar o RAG com o Atlas Vector Search.
LangChain
LangChain é uma estrutura que simplifica a criação de aplicativos LLM por meio do uso de "cadeias", que são componentes específicos do LangChain que podem ser combinados para uma variedade de casos de uso, incluindo RAG.
Para começar, consulte os seguintes recursos:
LlamaIndex
LlamaIndex é uma framework que simplifica a forma como você conecta fontes de dados personalizadas aos LLM . Ele fornece várias ferramentas para ajudá-lo a carregar e preparar incorporações vetoriais para aplicativos RAG .
Para começar, consulte Introdução à integração com o LlamaIndex.
Kernel semântico
Microsoft Kernel semântica da é um SDK que permite combinar vários AI serviços de com seus aplicativos. Você pode usar o Semantic Kernel para uma variedade de casos de uso, incluindo RAG.
Para começar, consulte os seguintes tutoriais:
Haystack
Haystack é uma estrutura para criar aplicativos personalizados com LLMs, modelos de incorporação, pesquisa vetorial e muito mais. Ele permite casos de uso como resposta a perguntas e RAG.
Para começar, consulte Introdução à integração com o Haystack.
Spring AI
Spring AI é uma estrutura de aplicativo que permite aplicar os princípios de design do Spring ao seu aplicativo de IA. Você pode usar o Spring AI para uma variedade de casos de uso, incluindo pesquisa semântica e RAG.
Para começar, consulte Introdução à integração do Spring AI.
Serviços
Você também pode integrar o Atlas Vector Search com os seguintes serviços de AI .
Base de conhecimento da Amazon Bedrock
Amazon Cama rochosa AI do é um serviço totalmente gerenciado para a criação de aplicativos de generativa. Você pode integrar o Atlas Vector Search como uma base de conhecimento para que o Amazon CamaDB armazene dados personalizados no Atlas e implemente o RAG.
Para começar, consulte Introdução à integração da base de conhecimento do Amazon Bedrock.
Recursos da API
Consulte os seguintes recursos de API à medida que desenvolve as integrações de AI para o Atlas Vector Search: