描述
MongoDB 向量搜索是 MongoDB Atlas 的一项强大功能,允许用户在其操作数据中存储和搜索向量。向量是数据的数学表示,表示为捕捉特定特征或属性的数字数组。在机器学习和人工智能的背景下,向量嵌入用于将复杂数据(如文本、图像或音频)编码为计算机可以处理的格式。这一能力对于语义搜索、推荐系统和生成式 AI 等应用至关重要。
阅读更多
MongoDB 向量搜索的一个主要优势是其基于向量中捕捉的语义意义进行搜索的能力,而不是传统的关键词搜索。这允许更准确和上下文感知的搜索结果,从而提升用户体验。MongoDB 作为一个向量数据库,使用户能够在一个地方管理其操作数据、元数据和向量嵌入,消除了对单独数据库和同步的需求。
MongoDB 向量搜索支持多种算法来查找相似向量,包括 K-最近邻(KNN)、近似最近邻(ANN)和精确最近邻(ENN)。这些算法旨在平衡准确性和性能,使处理复杂和高维向量用例变得更加容易。此外,该平台支持来自任何提供者的嵌入,限制在 4096 维以内,允许在数据摄取和查询中具有灵活性。
原生重排序能力的集成通过确保仅向大型语言模型(LLMs)提供最相关的数据来提高检索准确性,从而优化令牌支出并改善整体性能。此外,MongoDB 的混合搜索能力将词汇搜索和向量搜索结合在一个查询中,为用户提供了两者的最佳体验。
MongoDB 向量搜索适用于广泛的应用,包括语义搜索、检索增强生成(RAG)和自主系统的开发。凭借其强大的功能和能力,MongoDB 向量搜索使组织能够构建利用向量数据强大功能的智能应用。
- 类别向量数据库与检索
- 定价模式免费增值
- 部署云端
- 平台AWS、Azure、GCP
MongoDB 向量搜索的核心功能
完全托管的多云数据库
近似最近邻(ANN)搜索
精确最近邻(ENN)搜索
混合搜索能力
原生重排序集成
自动嵌入生成
独立扩展搜索节点
通过向量量化实现成本效率
如何使用 MongoDB 向量搜索?
使用开源模型创建向量嵌入或让 MongoDB 自动生成它们。
为您想要查询的嵌入定义向量搜索索引。
在聚合管道中使用 $vectorSearch 阶段进行查询。
将向量查询与元数据过滤器结合以增强搜索结果。
MongoDB 向量搜索的使用案例
- 语义搜索
- 检索增强生成
- 自主系统
- 推荐系统
- 异常检测





