MongoDB 模型服务-云数据库 MongoDB 版(MongoDB)-阿里云帮助中心

云数据库 MongoDB 版模型服务，通过和 MongoDB Search 能力结合，无需额外部署向量数据库或推理服务，即可在 MongoDB 中完成向量检索和大模型调用。本文通过一个完整示例演示：写入纯文本 → 自动生成向量索引 → 用自然语言查询。

前提条件

已创建云数据库 MongoDB 8.3 或更高版本的副本集或分片集群实例。操作步骤参见创建实例。
本地已安装 mongosh（MongoDB Shell）。

开通 Search 节点

在实例详情页的左侧导航栏,选择 AI 能力 > MongoDB Search。
单击开启 Search 服务,选择 Search 节点的规格和数量后确认。
等待 Search 节点状态变为运行中（通常几分钟）。

开启后,实例支持 $search 和 $vectorSearch 聚合阶段,以及 createSearchIndexes 等 Search 索引管理命令。

开通模型服务

在实例详情页的左侧导航栏，选择AI 能力 > 模型服务。
单击立即开通,等待开通完成后，系统为实例分配一个独立的接入域名，并同时生成一个API Key。
```
dds-<实例ID>-aigateway.mongodbaiapp.<地域>.rds.aliyuncs.com
```

重要

API Key 仅在创建时完整展示一次。如已泄露或丢失,请在控制台轮重新生成。

创建 Auto Embedding 向量索引

连接实例。连接信息可在控制台的数据库连接页面获取。

mongosh "mongodb://<用户名>:<密码>@dds-<实例ID>.mongodb.<地域>.rds.aliyuncs.com:3717,dds-<实例ID>.mongodb.<地域>.rds.aliyuncs.com:3717/admin?replicaSet=mgset-<副本集ID>"

连接后执行以下脚本：

use("mydb");

// 1. 插入示例文档——只需纯文本,无需计算向量
db.articles.insertMany([
  { title: "Cat",  content: "Cats are small, agile mammals often kept as pets" },
  { title: "Dog",  content: "Dogs are loyal companions known for their trainability" },
  { title: "Bird", content: "Most birds can fly, and many migrate across continents" }
]);

// 2. 为 content 字段创建 autoEmbed 向量索引
//    mongot 使用指定模型自动生成向量
db.runCommand({
  createSearchIndexes: "articles",
  indexes: [{
    name: "vector_index",
    type: "vectorSearch",
    definition: {
      fields: [
        { type: "autoEmbed", modality: "text", path: "content", model: "text-embedding-v4" },
        { type: "filter", path: "title" }
      ]
    }
  }]
});

// 3. 查看索引状态——queryable 为 true 时索引就绪
db.articles.aggregate([{ $listSearchIndexes: {} }]);

数据量较小时,索引通常几秒内创建完成。输出中 queryable 为 true 即表示索引就绪。

执行语义检索

索引就绪后,使用自然语言查询。查询文本自动通过同一模型向量化。

db.articles.aggregate([
  {
    $vectorSearch: {
      index: "vector_index",
      path: "content",
      query: "which animals can fly",   // 纯文本,不是向量
      numCandidates: 100,
      limit: 3
    }
  },
  { $project: { title: 1, score: { $meta: "vectorSearchScore" } } }
]);

预期结果：Bird 文档得分最高,因为其内容与查询"which animals can fly"语义最接近。

调用更多模型（可选）

MongoDB 模型服务还支持更多模型。可用模型包括：qwen3.6-flash、qwen3.6-plus、qwen3.5-flash、qwen3.5-plus、deepseek-v4-pro。

发送流式对话请求：

curl -X POST \
  http://dds-<实例ID>-aigateway.mongodbaiapp.<地域>.rds.aliyuncs.com:8000/v1/chat \
  -H "Authorization: Bearer <API Key>" \
  -H "Content-Type: application/json" \
  -H "Accept: text/event-stream" \
  --no-buffer \
  -d '{
    "model": "qwen-plus",
    "messages": [{"role": "user", "content": "你好"}],
    "max_tokens": 100,
    "stream": true
  }'

替换以下占位符：

占位符	获取位置
`<实例ID>`	控制台实例详情页
`<地域>`	实例部署的地域,如 `cn-beijing`
`<API Key>`	模型服务 > API Key 管理

后续操作

混合检索:结合 $search（全文）和 $vectorSearch（语义）提高召回质量。
切换模型:修改 autoEmbed 索引定义中的 model 字段即可更换 Embedding 模型,无需手动管理向量字段。