MongoDB Atlas Vector Search

向量是数据的数学表示，以数字数组表示，捕获特征或属性。在 AI 中，嵌入将文本、图像或音频等复杂数据编码为计算机可以处理的格式，同时保留关系和模式。

Automated Embedding 直接在 MongoDB 内为您的数据生成向量嵌入。当您在向量搜索索引中定义 autoEmbed 字段时，MongoDB 在摄取、更新和查询时使用 Voyage AI 模型创建嵌入，无需外部管道即可保持向量同步。

MongoDB Vector Search 基于向量中捕获的语义含义搜索数据，而 MongoDB Search 基于实际文本和定义的 synonym 映射执行关键词搜索。

可以。MongoDB Atlas 是一个完全托管、AI 就绪的数据平台，包含文本和向量搜索，让您将运营数据、元数据和向量嵌入存储在一起。Vector Search 也可在 MongoDB Enterprise Advanced 和 Community Edition 中使用。

它支持来自任何提供商的嵌入，维度上限为 4096 维。Automated Embedding 支持 Voyage AI 模型系列，您也可以自带来自任何提供商的嵌入。

使用 Automated Embedding 时，推理、身份验证、扩展、重试和同步由 MongoDB 管理，模型按实际 token 使用量计费。使用自带嵌入时，您负责计费、速率限制和 API 密钥管理。

KNN 查找彼此接近的向量。ANN 以准确性换取性能，并使用 HNSW 图驱动 Atlas Vector Search。ENN 返回精确的最近向量，并可对最多 10,000 个文档的无过滤查询保持亚秒级延迟。

是的。MongoDB Vector Search 支持标量和二进制量化向量的摄取、索引和查询，并提供对全保真向量进行自动标量和二进制量化的选项。