Saltar para o conteúdo
Glossário

Busca vetorial do MongoDB

O processo de transformar conteúdo em incorporações vetoriais e armazená-las em índices vetoriais do MongoDB Atlas Search com metadados para uma busca de similaridade eficiente.

Sinónimos: mongodb embedding, vector indexing, semantic indexing, atlas search vectors

A indexação da busca vetorial do MongoDB começa com conteúdo normalizado e fragmentado. Cada fragmento é incorporado (por exemplo, com incorporações do Gemini ou da OpenAI) e então armazenado em uma coleção do MongoDB com um índice de busca vetorial. Metadados ricos (inquilino, localidade, nível de acesso, carimbos de data e hora) habilitam a filtragem e o controle de acesso posteriores. O versionamento dos modelos de incorporação e o armazenamento de hashes sustentam a reprodutibilidade e a detecção de desvios. A reindexação diferencial regular garante a atualidade sem reprocessar páginas inalteradas.

Perguntas frequentes

Por que usar o MongoDB Atlas Search para a recuperação de conhecimento?
O MongoDB Atlas Search oferece uma busca de similaridade vetorial rápida com a capacidade de combinar consultas vetoriais e tradicionais, filtragem de metadados integrada e escalonamento contínuo dentro da sua infraestrutura existente do MongoDB.
Quais metadados importam?
Armazene o ID do inquilino, o idioma, a URL, o hash de conteúdo, o carimbo de data e hora de atualização e a versão do modelo para habilitar a filtragem, as verificações de atualidade e a reindexação controlada.