Lajityyppisuodattimet tarjoavat samoja hittileffoja, jotka kaikki ovat jo nähneet. Tämä suosittelija lukee, mitä katsoja todella hakee, ja löytää tunnelmaan sopivat nimikkeet.
Lajityyppisuodattimet tarjoavat samoja hittileffoja, jotka kaikki ovat jo nähneet. Tämä suosittelija lukee, mitä katsoja todella hakee, ja löytää tunnelmaan sopivat nimikkeet.
Elokuvadata säilyy MongoDB Atlasissa, ja upotukset indeksoituvat niiden rinnalle Atlas Searchin kautta. Pyyntö ajaa hybridihakua, joka yhdistää vektorisamankaltaisuuden arvosana- ja lajityyppisuodattimiin ja palauttaa sijoitetut suositukset – jokaisen mukana yhden lauseen perustelu tiivistelmästä.
Kuinka se toimii
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.
Rakenna Atlas Search -indeksi, joka yhdistää vektorimittakaavan genre- ja arvostelusuodattimiin.
pending
Kun saapuu pyyntö, luo käyttäjän kuvailemasta mausta vektoriesitys ja suorita hybridihauna kokoelmasta.
pending
Palauta parhaat osumat lyhyine perusteluineen, jotka pohjautuvat kuhunkin valintaan liittyvään lyhyeen kuvaukseen.
pending
Näyteulostulo
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.