MongoDB ベクトル検索
コンテンツをベクトル埋め込みへ変換し、効率的な類似度検索のためにメタデータとともに MongoDB Atlas Search のベクトルインデックスへ保存するプロセス。
同義語: mongodb embedding, vector indexing, semantic indexing, atlas search vectors
MongoDB ベクトル検索の索引付けは、チャンク化され正規化されたコンテンツから始まります。各チャンクは（例えば Gemini や OpenAI の埋め込みで）埋め込まれ、その後ベクトル検索インデックスとともに MongoDB のコレクションへ保存されます。豊富なメタデータ（テナント、ロケール、アクセス層、タイムスタンプ）が下流のフィルタリングとアクセス制御を可能にします。埋め込みモデルのバージョン管理とハッシュの保存は、再現性とドリフト検出を支えます。定期的な差分再索引は、変更されていないページを再処理せずに鮮度を確保します。
よくある質問
ナレッジ検索になぜ MongoDB Atlas Search を使うのですか？
MongoDB Atlas Search は、ベクトルクエリと従来型クエリを組み合わせる能力、統合されたメタデータフィルタリング、既存の MongoDB インフラ内でのシームレスなスケーリングを備えた、高速なベクトル類似度検索を提供します。
どのメタデータが重要ですか？
フィルタリング・鮮度チェック・制御された再索引を可能にするため、テナントID・言語・URL・コンテンツハッシュ・更新タイムスタンプ・モデルバージョンを保存します。