MongoDB 向量搜尋
將 content 轉成 vector embeddings，並連同 metadata 儲存在 MongoDB Atlas Search vector indexes 入面，以便高效 similarity search 嘅流程。
同義詞：mongodb embedding, vector indexing, semantic indexing, atlas search vectors
MongoDB vector search indexing 由 chunked normalized content 開始。每個 chunk 都會 embedded，例如用 Gemini 或 OpenAI embeddings，然後儲存在帶 vector search index 嘅 MongoDB collection。豐富 metadata，例如 tenant、locale、access tier、timestamps，支援 downstream filtering 同 access control。Embedding models versioning 同 hash storage 支援 reproducibility 同 drift detection。定期 differential re-indexing 可以保持 freshness，而唔需要重新處理冇變過嘅 pages。
常見問題
點解用 MongoDB Atlas Search 做 knowledge retrieval？
MongoDB Atlas Search 提供快速 vector similarity search，可以結合 vector 同 traditional queries，支援 integrated metadata filtering，並喺你現有 MongoDB infrastructure 入面 seamless scaling。
咩 metadata 重要？
儲存 tenant ID、language、URL、content hash、updated timestamp 同 model version，去支援 filtering、freshness checks 同 controlled reindexing。