文档中心

文档数据库 MongoDB 版

向量索引

创建 Auto Embedding 向量索引

Auto Embedding 向量索引由系统自动调用方舟 Embedding 模型生成向量，您无需手动维护向量数据。本文介绍如何在 MongoDB 控制台上创建 Auto Embedding 向量索引。

前提条件

已创建 MongoDB 8.3 及以上版本的实例，并已开启检索功能。具体操作步骤，请参见创建实例。

实例状态为运行中。关于实例状态的更多详情，请参见实例状态。

已在方舟控制台开通向量模型服务并获取 API Key。具体操作步骤，请参见获取方舟 API Key。

说明

当前 MongoDB 8.3 版本正处于邀测阶段，如需使用 Auto Embedding 向量搜索功能，请提交工单联系技术申请使用。

操作步骤

在顶部菜单栏，选择实例所属的项目和地域。

根据实例类型，在左侧导航栏中选择副本集实例列表或分片集实例列表。

在目标实例类型列表页，单击目标实例名称。

在实例详情页，单击 AI 能力页签。

在向量索引子页签下，单击创建索引。

在创建向量索引页面，配置如下参数。

参数			是否必填	说明
索引配置	检索类型	是	该参数固定为向量搜索，您无需选择。
索引配置		向量化方式	是	选择自动，即 MongoDB 调用方舟 Embedding 模型自动生成向量并写入索引。说明如果当前实例尚未配置 API Key，请先前往 API Key 管理页签填写。具体操作步骤，请参见获取方舟 API Key。 API Key 校验期间，实例将进入变更配置中状态。待实例恢复为运行中状态后，即可继续创建索引。创建向量化方式为手动的向量索引，请参见创建向量索引。
索引名称和数据源	索引名称	是	设置索引名称。名称需同时满足如下条件：只能以小写英文字母开头。只能以小写英文字母或数字结尾。只能包含英文字母、数字、下划线（_）和中划线（-）。长度需要在 3~128 个字符之间。更多详情，请参见约束与限制。不能以数字、中划线（-）开头。不能包含空格、中文、特殊字符和连续特殊符号。注意同一个实例下，索引名称必须是唯一的。
		数据库名	是	从下拉列表中选择索引所属的数据库。说明数据库名和表名均在创建数据库时设置。具体操作步骤，请参见数据库管理。
		表名	是	从下拉列表中选择索引所属的表。说明数据库名和表名均在创建数据库时设置。具体操作步骤，请参见数据库管理。

完成上述配置后，单击右下角的下一步，进入索引配置页面。

参数			是否必填	说明
索引字段配置	字段级向量化配置	是	字段配置源文本字段：必填，设置源文本字段路径，即明确索引需要建立在哪个字段上。更多详情，请参见 path。 Embedding 模型：必填，从下拉列表中选择 Embedding 模型，目前仅支持 doubao-embedding-vision-251215。向量维度：必填，设置 MongoDB 向量搜索在索引时和查询时强制执行的向量维度数量。目前仅支持 1024 和 2048。更多详情，请参见 numDimensions。相似度算法：必填，从下拉列表中选择相似度算法。取值范围如下：点积：基于向量之间的夹角和幅度来衡量相似度。更多详情，请参见 Dot Product。欧氏距离：测量向量端点之间的距离，可用于从不同维度来衡量相似度。更多详情，请参见 Euclidean。余弦相似度：基于向量之间的夹角来测量相似度，可用于衡量不受 Magnitude （幅度）缩放影响的相似度。更多详情，请参见 Cosine。量化方式：选填，从下拉列表中选择量化方式。量化是一种通过降低向量数据精度，来减少向量搜索索引对存储空间和内存占用的技术。目前仅支持 Float。更多详情，请参见向量量化。说明同一个索引中，不同文本字段可分别绑定不同 Embedding 模型、向量维度、相似度算法和量化方式。支持同时添加多个字段配置。
标量过滤字段	字段路径	否	选填，单击添加过滤字段，为索引设置标量过滤字段的路径。说明对于嵌套字段，使用点分法来指定嵌入式字段的路径，只需要填写字段的 key 即可，不需要填写字段类型。比如 name 、info.age 都是合法值。支持同时添加多个过滤字段，最多可添加 20 个。

索引配置完成后，单击下一步，确认基本信息、Auto Embedding 字段配置等创建信息。

确认无误后，单击确定，完成索引创建。

说明

索引创建是一个异步操作，需要一定时间完成，建议在确认索引状态变为 READY 后再执行搜索。关于索引状态的更多信息，请参见 $listSearchIndexes（聚合阶段）。

最近更新时间：2026.10.13 19:43:54

这个页面对您有帮助吗？

有用

无用