GenAI Cookbook超全攻略：MongoDB驱动的下一代AI应用开发实战

宁菁令

378人浏览 · 2025-10-12 00:07:51

宁菁令 · 2025-10-12 00:07:51 发布

GenAI Cookbook超全攻略：MongoDB驱动的下一代AI应用开发实战

【免费下载链接】GenAI-Showcase GenAI Cookbook 项目地址: https://gitcode.com/GitHub_Trending/ge/GenAI-Showcase

项目概述

MongoDB's GenAI Showcase是一个全面的生成式AI示例仓库，涵盖从入门到高级的各类GenAI应用场景。无论你是刚开始GenAI之旅，还是正在构建复杂的AI应用，这个仓库都能为你提供丰富的示例和最佳实践。该项目主要包含检索增强生成（RAG）、AI智能体（AI Agents）和行业特定用例，展示了MongoDB如何作为向量数据库、操作数据库和内存提供者集成到各类AI应用中。

核心功能模块

1. 语音购物助手（Voice Grocery Assistant）

语音购物助手是一个创新的演示应用，展示了语音控制电子商务的强大能力。它允许用户使用自然语言语音命令购买杂货，提供免手动操作的直观购物体验。

核心功能：

无缝的语音控制购物体验
AI理解和处理购物场景中的自然语言
实时语音转文本和文本转语音功能
语音命令与典型电子商务操作的集成（搜索产品、添加到购物车、下订单）

技术栈：

前端框架：Next.js (React)
样式：Tailwind CSS 与 shadcn/ui 组件
语音处理：WebRTC 实时音频流
AI集成：OpenAI API 自然语言处理
数据库：MongoDB 产品和订单存储
搜索：MongoDB混合搜索解决方案
API路由：Next.js API路由后端功能

实现代码：

主应用入口：apps/RT-voice-ts-store-agent/app/page.tsx
MongoDB连接：apps/RT-voice-ts-store-agent/lib/mongodb.ts
语音处理：apps/RT-voice-ts-store-agent/hooks/use-webrtc-audio.ts
产品数据：apps/RT-voice-ts-store-agent/data/ai_shop.products.json

2. MongoStory内容管理平台

MongoStory是一个云原生平台，旨在为内容创作者、编辑和出版商提供AI驱动的内容管理和分发工具。该平台基于Next.js 15和MongoDB构建，提供内容创建、分析、翻译和优化的全套功能。

核心功能：

内容管理

内容创建与编辑：富文本编辑器
内容版本控制：跟踪修订并比较不同版本
发布工作流：草稿、审核和发布状态跟踪
内容组织：语义聚类和智能分类

AI驱动功能

内容分析：分析内容质量、可读性和结构
SEO优化：AI生成的搜索可见性改进建议
情感影响分析：理解内容的情感基调和影响
主题分析：识别主要主题并建议相关内容领域
自动翻译：AI多语言翻译
社交媒体帖子生成：从内容创建平台特定的社交媒体帖子

分析与智能

性能指标：跟踪浏览量、参与度和用户行为
内容智能：AI驱动的内容关系和差距洞察
语义搜索：基于含义而非关键词查找内容
主题分布：可视化跨主题的内容分布
内容集群：通过语义相似性自动分组相关内容

MongoDB集成：

MongoStory利用MongoDB的文档模型实现灵活的内容存储，并利用其向量搜索功能实现高级内容操作：

集合结构：

content: 存储所有内容项，包含嵌入式分析和翻译
users: 用户账户和认证信息
analytics: 内容性能指标
clusters: AI生成的内容集群
socialMediaPosts: 生成的社交媒体内容

向量搜索：使用MongoDB Atlas向量搜索实现语义操作：

内容相似性检测
语义搜索功能
自动内容聚类

实现代码：

向量搜索索引配置：apps/mongostory/lib/vector-search.ts
AI内容分析：apps/mongostory/lib/ai-agent.ts
MongoDB连接：apps/mongostory/lib/mongodb.ts
内容模型定义：apps/mongostory/types/content.ts

向量搜索触发器：

MongoStory使用Atlas触发器自动为新内容生成向量嵌入：

exports = async function(changeEvent) {
  const fullDocument = changeEvent.fullDocument;
  const textToEmbed = fullDocument.analysis.summary;
  
  if (!textToEmbed) {
    console.log("No text field found in the document");
    return;
  }
  
  try {
    const collection = context.services.get("ILCluster").db("mongostory").collection("content");
    
    const response = await context.http.post({
      url: "https://api.voyageai.com/v1/embeddings",
      headers: {
        "Authorization": [`Bearer ${context.values.get("VOYAGE_API_KEY")}`],
        "Content-Type": ["application/json"]
      },
      body: JSON.stringify({
        "input": [textToEmbed],
        "model": "voyage-3",
        "input_type": "document"
      })
    });
    
    const responseData = EJSON.parse(response.body.text());
    const embedding = responseData.data[0].embedding;
    
    await collection.updateOne(
      { _id: fullDocument._id},
      { $set: { embedding: embedding } }
    );
    
    console.log(`Successfully added embedding to document ${fullDocument._id}`);
    return { status: "success" };
    
  } catch (error) {
    console.error("Error in Voyage AI embedding trigger:", error);
    return { status: "error", message: error.message };
  }
};

向量搜索索引配置：

{
  "fields": [
    {
      "type": "vector",
      "path": "embedding",
      "numDimensions": 1024,
      "similarity": "cosine"
    }
  ]
}

3. 项目结构与快速开始

GenAI Showcase采用模块化结构设计，主要包含以下目录：

notebooks：Jupyter笔记本示例，涵盖RAG、智能体应用、评估等
apps：JavaScript和Python应用程序和演示
workshops：自定进度的实践工作坊
partners：AI合作伙伴的贡献

快速开始指南：

注册MongoDB Atlas账户
创建新数据库集群
获取数据库集群的连接字符串
克隆仓库：

git clone https://gitcode.com/GitHub_Trending/ge/GenAI-Showcase
cd GenAI-Showcase

运行语音购物助手示例：

cd apps/RT-voice-ts-store-agent
npm install
npm run seed
npm run dev

运行MongoStory应用：

cd apps/mongostory
npm install
# 配置环境变量
npm run dev

环境变量配置：

对于语音购物助手，创建.env文件：

MONGODB_URI=your_mongodb_connection_string
OPENAI_API_KEY=your_openai_api_key

对于MongoStory，创建.env文件：

MONGODB_URI=your_mongodb_connection_string
JWT_SECRET=your_jwt_secret
XAI_API_KEY=your_xai_api_key
VOYAGE_API_KEY=your_voyage_api_key
NEXT_PUBLIC_APP_URL=http://localhost:3000