Los filtros por género le dan a la gente los mismos taquillazos que ya ha visto todo el mundo. Este recomendador lee lo que un espectador describe de verdad y encuentra títulos que encajan con el momento.
Los filtros por género le dan a la gente los mismos taquillazos que ya ha visto todo el mundo. Este recomendador lee lo que un espectador describe de verdad y encuentra títulos que encajan con el momento.
Los documentos de las películas siguen en MongoDB Atlas, con los embeddings indexados a su lado mediante Atlas Search. Una petición lanza una búsqueda híbrida que mezcla similitud vectorial con filtros de valoración y género, y luego devuelve una selección ordenada, cada título con un motivo de una línea extraído de la sinopsis.
Cómo se ejecuta
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Construye un índice de Atlas Search que combine similitud vectorial con filtros de género y valoración.
pending
Ante una petición, genera el embedding del gusto que describe el usuario y lanza una búsqueda híbrida sobre el catálogo.
pending
Devuelve las mejores coincidencias con un motivo breve para cada elección, sacado de su sinopsis.
pending
Salida de ejemplo
json
// Sample output
// (generated when the pipeline finishes)
Given a user's described taste, return ranked movie recommendations from MongoDB Atlas with a one-line reason per title.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.