MongoDB推出四项AI驱动的新功能,助力开发者提升效率并加速应用程序现代化

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
云数据库 Tair(兼容Redis),内存型 2GB
云原生多模数据库 Lindorm,多引擎 多规格 0-4节点
简介: 生成式人工智能让开发者有机会构建更好的应用程序。通过自动执行重复性任务,由AI驱动的工具和功能可以帮助开发者节省大量时间和精力,同时更快地交付更高质量的应用程序

AI新功能

  • MongoDB Relational Migrator可借助AI将SQL转换为MongoDB Query API语法,进一步提高关系数据库迁移的自动化水平

  • MongoDB Compass可根据自然语言生成查询和聚合,助力更快速、更轻松地构建由数据驱动的应用程序

  • MongoDB Atlas Charts可根据自然语言构建丰富的数据可视化,助力加速仪表板创建和商业智能

  • MongoDB 官方文档全新AI聊天机器人功能可解答技术问题,助力缩短应用程序构建和故障排除所需的时

MongoDB(NASDAQ:MDB)早前在MongoDB用户大会伦敦站上宣布推出全新的智能化开发者体验,利用生成式人工智能助力开发者更快速、更轻松地在MongoDB上构建应用程序。MongoDB是世界上最受欢迎的基于文档的数据平台,数以百万计的开发者和成千上万的客户借助MongoDB构建关键业务程序。MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts、MongoDB Documentation(MongoDB 官方文档)中的全新生成式AI功能可帮助开发者减少耗费在重复性任务上的时间和精力,从而更加专注于解决难题和构建现代应用程序。欲了解关于MongoDB的更多信息,请访问mongodb.com/zh-cn。

MongoDB首席产品官Sahir Azam表示:“生成式人工智能让开发者有机会构建更好的应用程序。通过自动执行重复性任务,由AI驱动的工具和功能可以帮助开发者节省大量时间和精力,同时更快地交付更高质量的应用程序。通过将人工智能功能集成到每天都有数以百万计开发者使用的MongoDB产品和服务中,我们正在助力开发者减少耗费在低价值任务上的时间,让他们能够专注于对自身和企业更加重要的事情上,即构建和发布受终端用户青睐的现代应用程序。”

为满足客户日益增长的需求,当前企业需要构建极具吸引力的应用程序,确保应用程序能够实时响应不断变化的需求和日新月异的数据。MongoDB之所以能够成为开发者构建应用程序的首选,是因为具备灵活性、可扩展性和弹性。然而,为了有效运行由数据驱动的应用程序,根据操作数据生成可视化结果来获取洞察并制定决策,并排除数据库和应用程序异常,开发者往往需要耗费大量时间和精力来构建查询和聚合。这些任务虽然重要,但往往属于重复性的任务且耗时耗力,使开发者难以集中精力进行原型设计、推出新功能或开创全新最终用户体验。

MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts和MongoDB官方文档现已具备一套全新的生成式AI功能,有助于消除应用程序开发与现代化过程中的大量繁重工作。这些功能包括:

使用MongoDB Relational Migrator进一步加速应用程序迁移:借助智能数据模式和代码推荐,MongoDB Relational Migrator可有助更快速、更轻松地从传统数据库技术迁移至MongoDB Atlas。在迁移传统应用程序过程中,对SQL查询和存储过程的处理通常较为困难,因为这些查询和存储过程往往没有文档记录,必须手动转换为MongoDB Query API语法。如今,企业可使用MongoDB Relational Migrator中的全新AI驱动功能,自动将传统应用程序中的SQL查询和存储过程转换为可以执行和进一步调试的MongoDB Query API语法。通过使用MongoDB Relational Migrator,客户可以加快推进应用程序现代化项目,同时开发者也可以在不具备MongoDB Query Syntax API相关知识的情况下,自动执行繁琐的转换任务,进而加快迁移速度。欲了解关于MongoDB Relational Migrator的更多信息,请访问mongodb.com/products/relational-migrator。

在MongoDB Compass中更快地生成查询和聚合:由于能够轻松地在MongoDB中完成数据查询和聚合,MongoDB Compass成为开发者进行数据交互时最受欢迎的工具之一。如今,开发者可使用自然语言在MongoDB Compass中快速生成可执行的MongoDB Query API语法,并更轻松快捷将复杂的数据密集型功能集成到应用程序中。例如,开发者可输入“按尺寸大小筛选披萨订单、按披萨名称对其余文档进行分组、计算总量”,MongoDB Compass将推荐代码来执行处理数据所需的聚合管道的各个阶段。借助MongoDB Compass的全新语言功能,开发者可将更多时间和精力用于发布由数据驱动的应用程序,而不是手动编写复杂的查询和聚合。欲了解关于MongoDB Compass的更多信息,请访问mongodb.com/products/tools/compass。

使用自然语言在MongoDB Atlas Charts中实现数据可视化:MongoDB Atlas Charts是一种现代化数据可视化工具,使开发者能够使用存储在MongoDB Atlas中的数据轻松创建、共享和嵌入可视化结果。借助全新AI驱动功能,开发者可使用自然语言在MongoDB Atlas Charts中构建数据可视化、创建图形并生成仪表板。例如,开发者可输入“显示不同国家和不同产品之间的年收入对比”,MongoDB Atlas Charts就会收集数据并快速生成所需的可视化结果。开发者可使用MongoDB Atlas Charts中熟悉的拖放界面进行进一步细化和定制。欲了解关于MongoDB Atlas Charts的更多信息,请访问mongodb.com/products/charts。

更快速、更直观地从MongoDB 官方文档获得答案:MongoDB 官方文档为开发者提供使用MongoDB构建应用程序所需的教程、代码示例和参考库。通过在MongoDB 官方文档中添加AI聊天机器人,开发者可以询问有关MongoDB产品和服务的问题,并在数秒内即可获得答案,同时还可以在软件开发期间进行故障排除。例如,开发者可以询问“如何使用Atlas Vector Search实现检索数据”,聊天机器人将提供分步指导、示例代码和参考链接,帮助开发者获得更多信息并快速入门。MongoDB 官方文档聊天机器人是一个开源项目,使用MongoDB Atlas Vector Search进行由AI驱动针对精选数据的信息检索,以根据上下文提供解答,开发者可使用项目代码来根据不同用例构建和部署聊天机器人。如需开始使用MongoDB 官方文档聊天机器人,请访问mongodb.com/docs。

MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts中的全新AI驱动功能预览版现已发布。MongoDB官方文档聊天机器人现已普遍可用。

立即免费试用阿里云MongoDB。

扫码加入钉群,与MongoDB专家一对一沟通,了解更多阿里云MongoDB产品与方案,市场活动及线上培训等内容。
钉钉入群二维码原图.jpeg

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
37 1
|
5天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
15天前
|
存储 XML 人工智能
深度解读AI在数字档案馆中的创新应用:高效识别与智能档案管理
基于OCR技术的纸质档案电子化方案,通过先进的AI能力平台,实现手写、打印、复古文档等多格式高效识别与智能归档。该方案大幅提升了档案管理效率,确保数据安全与隐私,为档案馆提供全面、智能化的电子化管理解决方案。
116 48
|
5天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
34 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
1天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
17 4
|
1天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
11天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
46 10
|
4天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
11天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。

相关产品

  • 云数据库 MongoDB 版
  • 下一篇
    无影云桌面