Векторный поиск MongoDB
Процесс преобразования контента в векторные эмбеддинги и их хранения в векторных индексах MongoDB Atlas Search с метаданными для эффективного поиска по сходству.
Синонимы: mongodb embedding, vector indexing, semantic indexing, atlas search vectors
Индексация векторного поиска MongoDB начинается с разбитого на чанки, нормализованного контента. Каждый чанк встраивается (например, с эмбеддингами Gemini или OpenAI), затем сохраняется в коллекции MongoDB с индексом векторного поиска. Богатые метаданные (арендатор, локаль, уровень доступа, метки времени) обеспечивают последующую фильтрацию и контроль доступа. Версионирование моделей эмбеддингов и хранение хешей поддерживают воспроизводимость и обнаружение дрейфа. Регулярная дифференциальная переиндексация обеспечивает актуальность без повторной обработки неизменённых страниц.