MongoDB推出Atlas Vector Search：使用语义搜索和人工智能在任何类型的数据上创建智能应用程序
内容提要
Atlas Vector Search现已对公众开放。该功能允许根据数据的语义或含义进行查询，而不是根据数据本身。它集成在MongoDB Atlas中，因此无需复制或转换数据。可以通过$vectorSearch调用向量搜索，并支持使用MQL语法进行预过滤。可以使用“numCandidates”和“limit”参数来优化结果。该功能还在LangChain和LlamaIndex中得到支持。MongoDB致力于帮助开发人员构建AI应用程序。
延伸解读
向量搜索如何工作
文章解释，向量搜索通过将文本、音频、图像或视频等数据转换为数值向量，利用近似最近邻算法快速找到相似数据。这使得查询可以基于语义，例如“找悲伤的电影”或“找看起来像……的图片”，从而解锁新的功能类别。
与MongoDB Atlas的集成优势
Atlas Vector Search原生集成在MongoDB Atlas中，无需复制或转换数据，也无需学习新栈或管理额外基础设施。这减少了开发摩擦，并借助Atlas的安全性和高可用性（如冗余和自动故障转移）确保应用稳定运行。
新聚合阶段与优化参数
在MongoDB.local London上，MongoDB宣布了$vectorSearch聚合阶段，支持使用MQL语法进行预过滤，以在遍历索引时过滤文档，获得一致结果和高性能。此外，通过numCandidates和limit参数可以优化候选文档数量和返回结果数量。
生态支持与未来方向
该功能在LangChain和LlamaIndex中得到支持，涵盖向量搜索、聊天记录和文档索引等。MongoDB表示将继续支持更多框架和插件架构，并致力于与开发者社区沟通，以满足构建AI应用的需求。
Q&A
MongoDB Atlas Vector Search 是什么？它有什么作用？
MongoDB Atlas Vector Search 是 MongoDB 推出的一项向量搜索功能，允许根据数据的语义或含义进行查询，而不是根据数据本身。它通过将文本、音频、图像或视频等数据转换为向量（嵌入），然后使用近似最近邻算法快速找到相似数据，从而支持诸如“查找悲伤的电影”或“查找看起来像……的图像”等查询。
Atlas Vector Search 如何集成到 MongoDB Atlas 中？是否需要复制或转换数据？
Atlas Vector Search 原生集成在 MongoDB Atlas 中，因此无需复制或转换数据，也无需学习新的技术栈或语法，或管理新的基础设施。它可以直接在现有平台上使用，简化了开发流程。
如何使用 Atlas Vector Search 进行向量搜索？有哪些关键参数？
可以通过聚合阶段 $vectorSearch 调用向量搜索。它支持使用 MQL 语法进行预过滤（如 $gte、$eq 等），并提供了两个参数来优化结果：'numCandidates' 用于指定近似最近邻搜索的候选文档数量，'limit' 用于限制返回的结果数量。
Atlas Vector Search 支持哪些开发框架或工具？
Atlas Vector Search 在 LangChain 和 LlamaIndex 中得到支持，包括向量搜索、聊天记录和文档索引等功能。MongoDB 还在继续扩展对更多框架和插件架构的支持。
Atlas Vector Search 如何确保应用程序的安全性和高可用性？
MongoDB Atlas 提供了安全和高可用性的解决方案，通过冗余和自动故障转移确保应用程序稳定运行，不会中断。这包括对数据的安全暴露和保护，以及平台的水平与垂直扩展能力。
Atlas Vector Search 的推出对开发者构建 AI 应用有什么意义？
Atlas Vector Search 使开发者能够更轻松地构建基于语义搜索和生成式 AI 的智能应用程序。它降低了利用 AI 和向量搜索的复杂性，让开发者可以在一个可靠、可组合的数据平台上快速创新，而无需担心数据复制、转换或基础设施管理。
