Búsqueda vectorial con embeddings en MongoDB
Contenido del curso
Herramientas y Búsqueda Vectorial
Orquestación y Construcción con LangGraph
Criterios de Uso y Finalización
Búsqueda vectorial con embeddings en MongoDB
Búsqueda vectorial con embeddings en MongoDB
Contenido del curso
Mateo Montoya Henao
Alexander Silvera
Daniel Lucumi
Kevin Fiorentino
✨ Resumen Visual de la Clase: Creación de agente de soporte MongoDB con búsqueda vectorial ✨
1. La Idea Central (El Core 💡):
Desarrollar un agente de inteligencia artificial que ayuda a los desarrolladores a resolver problemas comunes en MongoDB mediante búsqueda semántica y resúmenes de documentación.
2. Puntos Clave (En viñetas 📌):
3. El Ejemplo o Dato Crucial 🚀:
La búsqueda vectorial utiliza embeddings para mapear datos similares en un espacio vectorial, facilitando respuestas contextuales.
4. Conexión o Siguiente Paso 🔗:
Este conocimiento se aplica en la creación de agentes conversacionales que mejoran su rendimiento con cada interacción, útiles para proyectos de desarrollo y soporte técnico.
puedo cambiar la base de datos de Mongodb a Firebase? Porque tengo una página web con firebase y quisiera realizar esto con esa base de datos. Es eso posible?
Segun leo en la pagina oficial si lo soporta, tendrias que crear los embedding! y luego crear el embedding para la busqueda.
MongoDB permite vectorizar tu información, convertirla en embeddings y realizar búsquedas semánticas. Si quieres usar Firebase, tendrás que ver cómo convertir esa info a embeddings, como dice el compañero. En el caso de que no lo permita, también puedes convertir tu mismo esa info. No es algo difícil, investiga un poco.