MongoDB推出了两个新的学习徽章：构建生成式AI应用和部署与评估生成式AI应用。这些徽章专注于特定主题，免费且易于获取。构建徽章验证使用MongoDB Atlas Vector Search开发AI应用的能力，部署徽章则验证优化性能和评估结果的能力。完成学习路径并通过评估即可获得徽章，提升职业机会和专业知识。

MongoDB与Spring AI集成，提升了Java开发者构建AI应用的能力。Atlas Vector Search支持高维向量的存储、索引和搜索，为AI和机器学习模型提供了先进的搜索能力。MongoDB提供全面的支持和资源，帮助开发者在整个开发过程中获得指导和帮助。

MongoDB Compass现在支持创建和管理Atlas Search和Atlas Vector Search索引，为全文和语义搜索应用程序提供快速和相关的结果。Compass提供多种模板选择，简化了学习搜索索引语法的过程。用户可以在Compass的索引选项卡中创建搜索索引，并使用模板构建索引。新搜索索引体验只需三个步骤即可获得结果。用户可以访问文档了解更多关于Compass中搜索索引的信息。

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。

Atlas Vector Search 在 2023 年 Retool AI 状态调查中获得了最高的推广评分。向量数据库因其在通过搜索增强生成（RAG）架构模型中的应用而广受欢迎。Atlas Vector Search 允许在同一操作数据库中存储和搜索本地向量嵌入，避免了复杂性和额外成本。

Atlas Vector Search是一种基于人工智能的搜索机制，使用数学技术来测量向量之间的相似性，从而检索与用户查询语义相似的项目，即使查询和项目描述不包含精确的关键字匹配。它可以识别指定口红的色调和底色，并建议来自相同或不同品牌的类似色调，考虑价格范围和“初学者”背景的经济跑鞋，捕捉无线降噪耳机低于100美元的意图，并理解用户的请求，通过建议与所选连衣裙相配的鞋子和配饰来创建协调的服装。 MongoDB Atlas Vector Search通过简化嵌入不同类型的数据输入（如图像、音频（语音）和文本查询）的工作量，为填补挑战和机遇之间的差距提供帮助。

MongoDB在伦敦会议上推出多项新产品和功能，包括Atlas CLI、Atlas for the Edge、SQL查询转换和Atlas Vector Search等。此外，还推出了MongoDB Press。

MongoDB推出多项新功能，包括Atlas Vector Search、Atlas Stream Processing、搜索查询分析工具、Relational Migrator、Kotlin驱动程序和PyMongoArrow库。这些功能可帮助用户构建、迭代和扩展应用程序，提供更相关、上下文感知的结果，并将MongoDB中的数据导出到Python分析堆栈中。