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

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

相关文章
|
5月前
|
人工智能 监控 安全
提效40%?揭秘AI驱动的支付方式“一键接入”系统
本项目构建AI驱动的研发提效系统,通过Qwen Coder与MCP工具链协同,实现跨境支付渠道接入的自动化闭环。采用多智能体协作模式,结合结构化Prompt、任务拆解、流程管控与安全约束,显著提升研发效率与交付质量,探索大模型在复杂业务场景下的高采纳率编码实践。
675 26
提效40%?揭秘AI驱动的支付方式“一键接入”系统
|
5月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
668 30
|
5月前
|
人工智能 自然语言处理 测试技术
从人工到AI驱动:天猫测试全流程自动化变革实践
天猫技术质量团队探索AI在测试全流程的落地应用,覆盖需求解析、用例生成、数据构造、执行验证等核心环节。通过AI+自然语言驱动,实现测试自动化、可溯化与可管理化,在用例生成、数据构造和执行校验中显著提效,推动测试体系从人工迈向AI全流程自动化,提升效率40%以上,用例覆盖超70%,并构建行业级知识资产沉淀平台。
从人工到AI驱动:天猫测试全流程自动化变革实践
|
5月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
677 2
|
5月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
5月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
602 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
5月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
1093 82
|
5月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
958 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀

相关产品

  • 云数据库 MongoDB 版
  • 推荐镜像

    更多