MongoDB Vector Search
Il processo di trasformazione dei contenuti in embedding vettoriali e di memorizzazione in indici vettoriali MongoDB Atlas Search con metadati per una ricerca di somiglianza efficiente.
Sinonimi: mongodb embedding, vector indexing, semantic indexing, atlas search vectors
L’indicizzazione per ricerca vettoriale MongoDB parte da contenuti normalizzati e suddivisi in chunk. Ogni chunk viene trasformato in embedding, per esempio con embedding Gemini o OpenAI, e poi salvato in una collection MongoDB con un indice di ricerca vettoriale. Metadati ricchi, come tenant, locale, livello di accesso e timestamp, abilitano filtraggio a valle e controllo degli accessi. Versionare i modelli di embedding e salvare gli hash supporta riproducibilità e rilevamento del drift. Una reindicizzazione differenziale regolare assicura freschezza senza rielaborare pagine immutate.