No Vector Pipelines Needed: MongoDB Atlas Auto Embedding Handles It (PRT213-S) | AWS TLV Summit 2026

ה- AI agents מודרניים מסתמכים על חיפוש vector, אבל צוותים נתקלים מהר מאוד באותה בעיה: לשמור על embeddings מסונכרנים בכל פעם שה-data משתנה, ולחבר את האפליקציות כך שיידעו ליצור את ה-embeddings האלה. בהרצאה הזו נראה כיצד MongoDB Atlas Auto Embedding מבטל את הצורך ב-pipelines מותאמים אישית ובשירותי embedding חיצוניים, על ידי יצירה ועדכון אוטומטיים של embeddings עבור ה-data שלכם. כל שעליכם לעשות הוא לשמור טקסט ולשאול שאלות בשפה טבעית; Atlas מטפל בהתאמה הסמנטית מאחורי הקלעים. תראו כיצד להגדיר embeddings אוטומטיים ישירות ב-Atlas UI ולהשתמש בהם להפעלת חיפוש מבוסס AI וחוויות agent. 0:00 פתיח 0:38 הצגת הדוברים והנושא 1:06 מה זה vector pipeline ולמה צריך אותו 2:52 אתגר ה-freshness ב-vector pipeline 3:48 מקרה בוחן: Delivery Hero והאתגר שלהם 5:09 פתרון Delivery Hero בזמן אמת 6:27 Voyage AI ורכישתה על ידי MongoDB 7:51 ארכיטקטורת Atlas Auto-Embedding 10:36 דמו: הגדרת vector search index 13:54 דמו: חיפוש סמנטי על Airbnb 17:45 סיכום יתרונות Auto Embedding