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

SpringBoot集成WebService(wsdl)实践

《SpringBoot集成WebService(wsdl)实践》文章介绍了SpringBoot项目中通过缓存IWebService接口实现类的泛型入参类型,减少反射调用提升性能的实现方案,包含依赖配置... 目录pom.XML创建入口ApplicationContextUtils.JavaJacksonUt

springboot集成easypoi导出word换行处理过程

《springboot集成easypoi导出word换行处理过程》SpringBoot集成Easypoi导出Word时,换行符n失效显示为空格,解决方法包括生成段落或替换模板中n为回车,同时需确... 目录项目场景问题描述解决方案第一种:生成段落的方式第二种:替换模板的情况,换行符替换成回车总结项目场景s

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配

SpringBoot集成XXL-JOB实现任务管理全流程

《SpringBoot集成XXL-JOB实现任务管理全流程》XXL-JOB是一款轻量级分布式任务调度平台,功能丰富、界面简洁、易于扩展,本文介绍如何通过SpringBoot项目,使用RestTempl... 目录一、前言二、项目结构简述三、Maven 依赖四、Controller 代码详解五、Service

springboot2.1.3 hystrix集成及hystrix-dashboard监控详解

《springboot2.1.3hystrix集成及hystrix-dashboard监控详解》Hystrix是Netflix开源的微服务容错工具,通过线程池隔离和熔断机制防止服务崩溃,支持降级、监... 目录Hystrix是Netflix开源技术www.chinasem.cn栈中的又一员猛将Hystrix熔

C++ vector越界问题的完整解决方案

《C++vector越界问题的完整解决方案》在C++开发中,std::vector作为最常用的动态数组容器,其便捷性与性能优势使其成为处理可变长度数据的首选,然而,数组越界访问始终是威胁程序稳定性的... 目录引言一、vector越界的底层原理与危害1.1 越界访问的本质原因1.2 越界访问的实际危害二、基

MyBatis-Plus 与 Spring Boot 集成原理实战示例

《MyBatis-Plus与SpringBoot集成原理实战示例》MyBatis-Plus通过自动配置与核心组件集成SpringBoot实现零配置,提供分页、逻辑删除等插件化功能,增强MyBa... 目录 一、MyBATis-Plus 简介 二、集成方式(Spring Boot)1. 引入依赖 三、核心机制

Python 字符串裁切与提取全面且实用的解决方案

《Python字符串裁切与提取全面且实用的解决方案》本文梳理了Python字符串处理方法,涵盖基础切片、split/partition分割、正则匹配及结构化数据解析(如BeautifulSoup、j... 目录python 字符串裁切与提取的完整指南 基础切片方法1. 使用切片操作符[start:end]2

SpringBoot集成P6Spy的实现示例

《SpringBoot集成P6Spy的实现示例》本文主要介绍了SpringBoot集成P6Spy的实现示例,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,需要的朋友们下面... 目录本节目标P6Spy简介抛出问题集成P6Spy1. SpringBoot三板斧之加入依赖2. 修改

SpringBoot加载profile全面解析

《SpringBoot加载profile全面解析》SpringBoot的Profile机制通过多配置文件和注解实现环境隔离,支持开发、测试、生产等不同环境的灵活配置切换,无需修改代码,关键点包括配置文... 目录题目详细答案什么是 Profile配置 Profile使用application-{profil