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间
北京,2023年9月28日——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:
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。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。