Voyage AI赋能的Atlas自动嵌入、Atlas嵌入与重排API、
专为代码检索优化的voyage-code-4模型，以及Atlas流处理中的向量搜索能力，
助力AI应用与智能体从实时运营数据中即时提取高相关性上下文，实现毫秒级精准检索。
北京，2026年8月27日——检索精度直接左右ai应用及智能体的决策可靠性与总体托管开销。在近日举行的mongodb.local build fest大会上，mongodb公司（纳斯达克股票代码：mdb）正式推出多项突破性功能，将业界领先水平的检索能力深度原生集成至mongodb智能数据平台，系统性破解了这一核心挑战。本次大会首发的关键能力之一，是面向智能体代码理解场景全新发布的voyage-code-4模型。该模型连同voyage ai全系列嵌入与重排模型，现已通过独立、标准化api全面开放，可无缝接入任意技术栈的应用系统。值得一提的是，mongodb所采用的voyage ai嵌入模型，在权威检索嵌入基准测试（rteb）中稳居全球第一。
过去，开发者若需构建高性能语义检索系统，往往被迫将运营数据导出至外部系统，自行搭建并长期维护高度耦合、易出错的嵌入流水线，同时持续保障向量数据库与源系统的强一致性。如今，依托Voyage AI模型驱动的MongoDB Atlas自动嵌入功能，数据写入即完成语义转化——开发者仅需插入文档，Atlas便在后台全自动完成向量化、索引构建与更新，彻底告别手动同步与管道运维。
英国《金融时报》（Financial Times, FT）在提升读者新闻发现效率的过程中，曾长期受限于多套分散、标准不一的搜索体系。如今，FT已将其全部内容检索能力统一迁移至MongoDB平台。借助Voyage AI加持的Atlas自动嵌入，FT不仅显著压缩了检索基础设施成本，更大幅增强了AI驱动语义搜索的命中率与相关性。
《金融时报》内容与大数据平台首席工程师Elitsa Pavlova指出：“我们的使命是确保读者无论通过App、网页还是第三方聚合渠道，都能第一时间触达真正契合其兴趣的深度报道。Atlas自动嵌入与Voyage AI模型的组合，让我们在日均超10万次的检索请求中持续提升准确率，同时灵活控制投入成本。更重要的是，我们获得了对不同嵌入模型进行A/B对比验证的能力，从而能随业务演进动态权衡效果与性价比。随着底层运维负担大幅降低，团队得以将更多资源聚焦于提升用户订阅价值与长期留存。”
法律AI平台Eve同样曾深陷检索质量不足与工程成本高企的双重困境。目前，该平台已全面启用Atlas嵌入与重排API，确保在案件研判、证据调取、文书生成等全流程中，均可快速定位最具法律效力与上下文适配度的原始材料。
Eve高级AI工程师Urvesh Patel表示：“在法律垂直领域，检索结果的准确性不是加分项，而是底线——它关乎能否在关键节点调出决定性的判例或法条。MongoDB Atlas提供的嵌入与重排API，不仅从RAG链路源头显著提升了响应相关性，更极大简化了模型集成、灰度发布与版本升级的技术路径。”
MongoDB即内存层 + 上下文层，是智能体架构的天然基石
在MongoDB平台中，高保真检索与实时业务数据运行于同一引擎、共享同一副本，无需额外部署专用向量库或搜索引擎。这意味着智能体可直接访问毫秒级新鲜的数据状态——包括刚刚写入数秒内的最新记录，所获上下文永远反映真实业务脉搏，而非滞后数小时甚至数天的陈旧快照。
本次发布的四大核心能力，共同支撑团队在生产环境中兼顾检索精度、系统简洁性与总体拥有成本：
· 实时、可信、自更新的上下文供给：AI应用与智能体唯有依赖高质量、低延迟、高一致性的上下文，方能输出稳定可靠的推理结果。由Voyage AI驱动的Atlas自动嵌入功能，确保上下文始终处于“热态”。用户只需在搜索索引中指定任一Voyage AI嵌入模型，Atlas便会自动为新增文档执行嵌入，并在文档字段变更时触发增量重嵌入，全程无需配置调度任务或编写额外逻辑。
· 统一API入口，直连行业顶尖嵌入与重排能力：无论是基于MongoDB构建的应用，还是完全独立部署的外部服务，均可通过Atlas嵌入与重排API，一键调用MongoDB平台集成的最高性能嵌入与重排模型，享受开箱即用的语义理解能力。
· 更低成本，更高精度的代码检索体验：通用嵌入模型缺乏对编程语言结构、命名规范与语义意图的深层建模能力，导致代码检索召回率与排序质量普遍偏低。voyage-code-4专为代码智能体场景训练与调优，相较前代模型，在代码片段与查询意图匹配度上实现跃升，同时单位检索成本显著下降。
· 面向流式数据的向量检索支持：对事件驱动型智能体而言，动态上下文的质量不应逊于静态知识库。Atlas流处理中的向量搜索能力，使实时产生的事件流（如用户行为日志、IoT传感器数据、交易流水）也能获得与批量数据同等水准的语义检索精度与低延迟响应。
MongoDB首席技术官Jim Scharf强调：“当前大量企业在AI生产化过程中，将运营数据库、向量库、全文搜索引擎以及各类嵌入/重排模型分别采购自不同厂商，再强行拼接成所谓‘AI栈’。这种堆叠式架构不仅滋生数据不一致与时效偏差，更让工程团队长期陷入救火式运维，而非专注创新本身。而智能体对系统提出了更严苛的要求——它们需要持续、高频、低延迟地获取最新上下文，无法容忍隔夜批处理带来的信息断层。MongoDB自诞生起就是为实时运营而生，因此它的检索与记忆能力天然共享同一份实时数据源，零同步延迟，零副本分裂。智能体得以基于真实世界此刻的状态，做出即时、自主、可信的响应。”
以上全部新功能现已全面上线，开发者可立即访问MongoDB官网申请免费试用。
此外，MongoDB在Build Fest大会上还宣布多项面向AI开发者的深度集成：MongoDB Atlas现已原生支持接入Claude、Claude Code、ChatGPT、Codex、Grok Build与Devin等主流AI工具；同时正式推出MongoDB Atlas托管式MCP（Model Control Plane）服务器，进一步简化大模型编排与治理流程。
关于MongoDB
MongoDB总部位于美国纽约，致力于通过统一的数据平台赋能全球创新者，加速新兴行业的崛起，并推动传统行业的数字化重塑。MongoDB智能数据平台集操作型数据库、实时搜索、流式分析与AI原生检索于一体，是全球最广泛部署的分布式数据库之一。凭借开箱即用的现代化数据能力，MongoDB正帮助全球数百万开发者及逾67,000家客户（其中包括约75%的《财富》全球100强企业）构建下一代关键业务应用，提升创新速度、优化系统效能、精简技术架构。
