Atlas Vector Search: vectorSearch
📋 Referencia del Lab
Archivo de Lab Asociado: vector-search-1.lab.js
🚀 Objetivo: Búsqueda Semántica que Impresiona
Tu negocio quiere hacer que buscar la estancia perfecta sea fácil e inteligente. Imagina a un huésped escribiendo una consulta en lenguaje natural e instantáneamente viendo sugerencias inteligentes y conscientes de la intención. Como ingeniero backend, estás a punto de dar vida a esta búsqueda de siguiente nivel con MongoDB Atlas Vector Search.
¡Aprovecha el poder de MongoDB Atlas Vector Search para construir una función de búsqueda semántica que tus usuarios amarán!
🧩 Ejercicio: Búsqueda Semántica como un Profesional
-
Abre el Archivo
Ve aserver/src/lab/y abrevector-search-1.lab.js. -
Encuentra la Función
Localiza la funciónvectorSearch. -
Define el Pipeline
- Agrega una etapa
$vectorSearchusando tu índicevector_index. - Usa el campo
descriptioncomo ruta de búsqueda vectorial. - Pasa la cadena de consulta del usuario como
query: { text: query }(requerido por el índiceautoEmbed). - Agrega un filtro en
property_typepara resultados más relevantes. - Establece
numCandidatesen 100 ylimiten 10 en la etapa$vectorSearch.
- Agrega una etapa
🚦 Prueba tu API
- Ve a
server/src/lab/rest-lab. - Abre
vector-search-1-lab.http. - Haz clic en Send Request para llamar a la API.
- Confirma que la respuesta contiene los resultados semánticamente relevantes esperados.
🖥️ Validación Frontend
Escribe una consulta en lenguaje natural (p. ej., "best view in hawaii") en la barra de búsqueda y observa cómo aparecen sugerencias inteligentes y relevantes—¡potenciadas por IA y búsqueda vectorial!
Verifica el Estado del Ejercicio:
Ve a la aplicación y comprueba si el indicador del ejercicio muestra verde, lo que indica que tu implementación es correcta.
Con este paso, no solo estás construyendo una función—estás habilitando una nueva era de descubrimiento y deleite para tus usuarios.
¿Listo para sorprender a tus huéspedes con búsqueda semántica? ¡Comencemos!
