本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 使用亚马逊 AI JumpStart 和 MongoDB Atlas 矢量搜索生成式 SageMaker 人工智能
<a name="generative-ai"></a>

[Amazon SageMaker AIJump Start](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) 提供预训练的人工智能基础模型，例如用于智能文本应用程序的检索增强生成 (RAG)。您可以 JumpStart 与 [MongoDB Atlas 矢量](https://www.mongodb.com/products/platform/atlas-vector-search)搜索结合使用，后者可以对文本、图像和其他数据进行语义相似度查询，从而构建强大的搜索体验。例如，您的开发人员可以使用 Atlas Vector Search 对客户对话实施直观的语义搜索，并使用 SageMaker Amazon AI RAG 模型添加交互式摘要和翻译，如下图所示。

![\[将 MongoDB Atlas 与 A SageMaker mazon AI 集成，实现生成人工智能功能。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)


这可以解锁各种人工智能驱动的搜索使用案例，包括自动支持、智能内容管理、内容摘要和增强型推荐。通过使用 MongoDB 和 A SageMaker JumpStart mazon 的生成功能实现直观的精确搜索，开发人员可以快速交付有影响力的认知搜索应用程序。

主要亮点：
+ 企业聊天机器人使用案例
+ 支持 RAG 模型架构
+ MongoDB Atlas 向量搜索
+ 支持 2K 嵌入
+ 安全数据传输
+ 降低出现幻觉的可能性

有关此实现的更多信息，请参阅 AWS 博客文章 “使用 [ LangChainAmazon A SageMaker I JumpStart 和 MongoDB Atlas 语义搜索检索增强生成](https://aws.amazon.com/blogs/machine-learning/retrieval-augmented-generation-with-langchain-amazon-sagemaker-jumpstart-and-mongodb-atlas-semantic-search/)”。