Vercel AI SDK 有了持久记忆:MongoDB 开源集成把对话、事实与事件存进 Atlas
MongoDB 发布并开源了 Vercel AI SDK 的集成包,把 MongoDB Atlas 变成用该 SDK 构建的 AI 应用与智能体的持久记忆库。此前 Vercel AI SDK 本身不含数据库,应用每次对话都从零开始,开发者要自己设计模式、清理旧数据和搭建向量检索。该集成把记忆自动分为会话、语义、程序、情景和草稿五类,分别设定保留策略,并自动创建向量索引、在启动时检测嵌入维度。
MongoDB 发布并开源了 Vercel AI SDK 的集成包,把 MongoDB Atlas 变成用该 SDK 构建的 AI 应用与智能体的持久记忆库。此前 Vercel AI SDK 本身不含数据库,应用每次对话都从零开始,开发者要自己设计模式、清理旧数据和搭建向量检索。该集成把记忆自动分为会话、语义、程序、情景和草稿五类,分别设定保留策略,并自动创建向量索引、在启动时检测嵌入维度。
MongoDB发布与Google ADK的集成,为智能体状态提供持久化记忆。此前开发者要自己搭建数据存储工具,才能让智能体长期保留上下文。该集成以MongoDbSessionService把会话、事件和应用级、用户级、会话级状态写入MongoDB,并以MongoDBMemoryService把会话事件写入集合、按关键词匹配召回记忆;检索侧复用MongoDB向量搜索与全文搜索的混合检索。集成支持MongoDB Atlas和自管理MongoDB 8.0及以上部署。
MongoDB Atlas 把自动嵌入(Automated Embedding)推进到公开预览,开发者不必再为检索自建一条并行嵌入流水线。此前文档被编辑后向量库仍留旧嵌入,修复靠人工编写、调度并调试回填任务,数据变化到索引反映以小时计;Atlas 版本按字段级增量检测,只在被索引字段真正变化时重算,并让索引构建与在线查询走两套推理机制。存储侧提供可配置量化,默认标量量化约为 float32 的四分之一,二进制量化约为三十二分之一。
MongoDB 在 Community Edition 中以公开预览形式推出 Vector Search 的 Automated Embedding,开发者建向量索引时选定嵌入模型,文本向量在初始同步、文档插入与更新以及查询时自动生成并保持同步。此前开发者需在应用代码里调用外部嵌入服务,并为每次增删改自建流水线维持源数据与向量一致,还要为每次查询额外发起一次嵌入 API 调用。该功能内置 Voyage AI 的 voyage-4-large、voyage-4、voyage-4-lite 与 voyage-code-3 模型,并以异步动态批处理按文档形态调整批量大小。
MongoDB 推出面向 MongoDB Atlas 的联合 Copilot 连接器并已正式可用,用户可在 Microsoft 365 Copilot 中直接询问 Atlas 里的实时业务数据。此前这类问题要在业务应用里查,或依赖数据的静态副本。连接器通过 MongoDB 托管的远程 MCP 服务器按需查询 Atlas,不迁移、不建索引副本,查询以登录用户身份执行并沿用 Atlas 已有权限。
MongoDB Research 发布 LEAF 知识蒸馏框架,并公开两个 23M 参数文本嵌入模型 mdbr-leaf-ir 与 mdbr-leaf-mt。此前高性能嵌入模型动辄上亿至数十亿参数,通常依赖 GPU 服务器,且不同模型之间嵌入不兼容,换模型需重算全部文档向量。LEAF 只对齐教师与学生输出嵌入,蒸馏模型保留教师最高 97% 的性能,体积小 5–15 倍、速度快 7–24 倍,可在纯 CPU、物联网与移动设备上离线运行。
MongoDB发布Atlas App Connections,让AI编程工具通过一次点击授权接入Atlas账户。此前接入只能共享长期服务账户凭证,既拖慢开发者,也让管理员承担不愿接受的安全风险,部分组织因此回避第三方集成。该功能基于OAuth 2.1,经Atlas MCP Server让AI客户端以用户身份操作,权限随用户既有权限变化,用户可随时撤销,组织默认关闭并需管理员开启。
已读完全部报道