MongoDB 向量检索
将内容转化为向量嵌入，并连同元数据存储到 MongoDB Atlas Search 向量索引中以实现高效相似度检索的过程。
同义词：mongodb embedding, vector indexing, semantic indexing, atlas search vectors
MongoDB 向量检索的索引始于经过分块的规范化内容。每个分块都会被嵌入（例如使用 Gemini 或 OpenAI 嵌入），然后连同向量检索索引一起存储在 MongoDB 集合中。丰富的元数据（租户、区域设置、访问层级、时间戳）支持下游的过滤和访问控制。对嵌入模型进行版本化并存储哈希，支持可复现性和漂移检测。定期的差异化重新索引可在不重新处理未更改页面的情况下确保新鲜度。
常见问题
为什么使用 MongoDB Atlas Search 进行知识检索？
MongoDB Atlas Search 提供快速的向量相似度检索，能够将向量查询与传统查询相结合、集成元数据过滤，并在你现有的 MongoDB 基础设施内无缝扩展。
哪些元数据重要？
存储租户 ID、语言、URL、内容哈希、更新时间戳和模型版本，以支持过滤、新鲜度检查和受控的重新索引。