MongoDB Atlas Vector Search与Amazon Bedrock集成已全面可用

2024-05-10 00:28

本文主要是介绍MongoDB Atlas Vector Search与Amazon Bedrock集成已全面可用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

请添加图片描述
亮点前瞻

●MongoDB Atlas Vector Search知识库与Amazon Bedrock的最新集成,将极大加速生成式AI应用的开发。

●诺和诺德利用MongoDB Atlas Vector Search与Amazon Bedrock集成,加速构建AI应用程序。

MongoDB(纳斯达克股票代码:MDB)近日在2024 MongoDB用户大会纽约站大会(MongoDB.local NYC)上宣布,MongoDB Atlas Vector SearchAmazon Bedrock 在知识库上集成现已全面可用,这将助力组织更轻松地利用完全托管的基础模型 (FM) 来构建生成式AI应用程序功能。

作为世界上应用极为广泛的开发者数据平台,MongoDB Atlas能够提供向量数据库功能,使组织能够无缝地使用其实时数据生成AI应用程序。Amazon Bedrock是亚马逊云科技 (AWS) 提供的一项完全托管服务,通过单个API提供来自领先AI公司的高性能基础模型,以及组织构建具有安全性、隐私性和负责任的生成式AI应用程序所需的各项功能。如今,各行各业的客户可以通过集成其专有数据,更加轻松地构建应用程序,并利用生成式AI自主完成复杂任务,并对最终用户的请求做出最新、准确且值得信赖的响应。

MongoDB首席产品官Sahir Azam

“从初创公司到大型企业在内的各种规模的客户都开始利用生成式AI来构建激动人心的全新终端用户体验。然而,许多企业都对AI系统输出的准确性以及保障其专有数据的安全性表示担忧。随着MongoDB Atlas Vector Search与Amazon Bedrock集成的全面可用,MongoDB和亚马逊云科技的共同客户将可以更加便捷地使用托管于AWS环境中的各种基础模型来构建生成式AI应用程序。这些应用程序能够安全地运用MongoDB Atlas中的专有数据,在提高准确性的同时,改善终端用户体验。”

MongoDB Atlas Vector Search与Amazon Bedrock的全新集成将帮助组织更加轻松快捷地在AWS上部署生成式AI应用程序,这些应用程序能够利用经MongoDB Atlas Vector Search处理后的数据,做出更准确、更相关、更值得信赖的响应。与仅存储向量数据的附加解决方案不同,MongoDB Atlas Vector Search是一个高性能、可扩展的向量数据库,可驱动生成式AI应用程序的开发;与此同时,MongoDB Atlas Vector Search还可以与MongoDB全局分布式操作数据库集成,存储和处理组织的所有数据。

借助MongoDB Atlas Vector Search与Amazon Bedrock集成,客户可使用自身的实时操作数据对来自AI21 Labs、Amazon、Anthropic、Cohere、Meta、Mistral AI和Stability AI等公司的基础模型 (如大型语言模型,LLM) 进行定制,将这些数据转换为向量嵌入,与LLM一起使用。利用Agents for Amazon Bedrock的检索增强生成 (RAG) 功能,客户可以使用LLM构建应用程序,对用户查询作出具有相关性且符合情境的响应,而无需手动编码。例如,零售组织可以更加轻松地开发一款生成式AI应用程序,自动处理实时库存请求等多种任务,或在客户退货和换货时根据客户反馈自动给出相关库存商品的建议,为客户提供个性化体验。组织还可以借助MongoDB Atlas Search Nodes,在不影响其核心操作数据库的情况下隔离和扩展其生成式AI工作负载,以实现降本增效,查询时间最多可缩短60%。

依托完全托管的各项功能,此次全新集成使AWS和MongoDB的共同客户能够在整个组织范围内安全地使用生成式AI及其专有数据,在降低运营成本和减少人工操作的同时创造更多价值。

点击了解如何在AWS上使用MongoDB Atlas构建应用程序

亚马逊云科技生成式AI副总裁Vasi Philomin

“十多年来,AWS和MongoDB一直致力于帮助组织通过数据实现业务转型。目前,已有成千上万的组织选择利用Amazon Bedrock来构建生成式AI应用程序,以满足他们的特定需求。如今,随着MongoDB Atlas Vector Search与Amazon Bedrock在知识库领域集成的全面可用,双方的共同客户将能够更加轻松便捷地实现检索增强生成 (RAG),从而帮助他们从数据中获取更多洞察。”

客户案例:诺和诺德

诺和诺德是众多利用MongoDB Atlas Vector Search和Amazon Bedrock集成构建生成式AI应用程序的客户之一。

在这里插入图片描述

诺和诺德成立于1923年,是一家全球领先的生物制药公司,总部位于丹麦。公司致力于推动改变,以战胜糖尿病、肥胖症、罕见疾病和心血管疾病等严重慢性疾病。

诺和诺德内容数字化主管Louise Lind Skov

“我们亟需一种能够缩短临床研究报告撰写时间的解决方案,这样我们就可以更快地找到全新疗法,及时挽救患者生命。借助Amazon Bedrock与MongoDB Atlas集成,我们快速构建了解决方案NovoScribe,使我们成为业内首家在几分钟内而不是数周内生成完整临床研究报告的公司。我们正在大规模拓展该应用,而且与过去相比,整个扩展过程节省了大量资源。Amazon Bedrock和MongoDB Atlas集成将彻底改变全球医疗健康行业的游戏规则。”

关于 MongoDB Atlas

MongoDB Atlas是领先的多云开发者数据平台,以高度灵活、高性能和全球分布式运营数据库为核心,加速并简化数据构建过程。MongoDB Atlas在一个统一的环境中提供了一套全面的数据和应用服务,使开发者团队能够快速构建满足现代应用所需的安全性、性能和规模。数以百万计的开发者以及包括思科 (Cisco)、GE医疗 (GE Healthcare)、财捷集团 (Intuit)、丰田金融服务、威瑞森(Verizon)等在内的数以万计的客户每天在整个企业范围内通过MongoDB Atlas以更快、更高效、更具成本效益的方式进行创新。

点击获得更多MongoDB Atlas信息

关于 MongoDB

MongoDB总部位于美国纽约,致力于释放软件与数据潜能,以赋能创新者开创新行业或变革、颠覆现有行业。由开发者构建并服务开发者的MongoDB开发者数据平台,是一个集成了多个相关服务的数据库,可帮助开发团队应对当今市场对各种现代应用不断增长的需求,并提供统一且一致的用户体验。MongoDB在全球100多个国家和地区拥有数万家客户。自2007年以来,MongoDB数据库平台的下载量达数亿次,MongoDB University课程已培养了数百万名开发者。

欲了解更多信息,点击访问MongoDB中文官网


👉点击访问 MongoDB中文官网
👉立即免费试用 MongoDB Atlas
☎️需要支持?欢迎联系我们:400-8662988
✅欢迎关注MongoDB微信订阅号(MongoDB-China),及时获取最新资讯。

这篇关于MongoDB Atlas Vector Search与Amazon Bedrock集成已全面可用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/974908

相关文章

关于MongoDB图片URL存储异常问题以及解决

《关于MongoDB图片URL存储异常问题以及解决》:本文主要介绍关于MongoDB图片URL存储异常问题以及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录MongoDB图片URL存储异常问题项目场景问题描述原因分析解决方案预防措施js总结MongoDB图

Spring Boot 集成 Quartz并使用Cron 表达式实现定时任务

《SpringBoot集成Quartz并使用Cron表达式实现定时任务》本篇文章介绍了如何在SpringBoot中集成Quartz进行定时任务调度,并通过Cron表达式控制任务... 目录前言1. 添加 Quartz 依赖2. 创建 Quartz 任务3. 配置 Quartz 任务调度4. 启动 Sprin

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

C++ vector的常见用法超详细讲解

《C++vector的常见用法超详细讲解》:本文主要介绍C++vector的常见用法,包括C++中vector容器的定义、初始化方法、访问元素、常用函数及其时间复杂度,通过代码介绍的非常详细,... 目录1、vector的定义2、vector常用初始化方法1、使编程用花括号直接赋值2、使用圆括号赋值3、ve

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则

springboot集成Deepseek4j的项目实践

《springboot集成Deepseek4j的项目实践》本文主要介绍了springboot集成Deepseek4j的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录Deepseek4j快速开始Maven 依js赖基础配置基础使用示例1. 流式返回示例2. 进阶

Spring Boot 集成 Quartz 使用Cron 表达式实现定时任务

《SpringBoot集成Quartz使用Cron表达式实现定时任务》本文介绍了如何在SpringBoot项目中集成Quartz并使用Cron表达式进行任务调度,通过添加Quartz依赖、创... 目录前言1. 添加 Quartz 依赖2. 创建 Quartz 任务3. 配置 Quartz 任务调度4. 启

C++ Primer 标准库vector示例详解

《C++Primer标准库vector示例详解》该文章主要介绍了C++标准库中的vector类型,包括其定义、初始化、成员函数以及常见操作,文章详细解释了如何使用vector来存储和操作对象集合,... 目录3.3标准库Vector定义和初始化vector对象通列表初始化vector对象创建指定数量的元素值

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2