Filter genre cuma menyodorkan film blockbuster yang sudah ditonton semua orang. Recommender ini membaca apa yang sebenarnya digambarkan penonton dan menemukan judul yang pas dengan suasana hati.
Filter genre cuma menyodorkan film blockbuster yang sudah ditonton semua orang. Recommender ini membaca apa yang sebenarnya digambarkan penonton dan menemukan judul yang pas dengan suasana hati.
Dokumen film tetap tersimpan di MongoDB Atlas, dengan embedding yang diindeks berdampingan melalui Atlas Search. Setiap permintaan menjalankan pencarian hybrid yang memadukan kemiripan vektor dengan filter rating dan genre, lalu mengembalikan pilihan berperingkat, masing-masing disertai alasan satu baris yang diambil dari sinopsis.
Cara kerjanya
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.
Buat indeks Atlas Search yang menggabungkan kesamaan vektor dengan filter genre dan rating.
pending
Saat ada permintaan, embedding selera pengguna yang dijelaskan, lalu jalankan pencarian hibrida ke seluruh katalog.
pending
Kembalikan hasil paling atas disertai alasan singkat untuk setiap pilihan berdasarkan sinopsisnya.
pending
Contoh output
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.