使用 MongoDB Atlas、Voyage 和 LangGraph 构建智能活动场地运营系统

本教程从大多数代理演示停止的地方开始：为代理赋予持久记忆、操作上下文以及记录发生事件的能力。活动运营者不仅仅需要一个能总结天气报告或生成通用计划的代理，他们需要一个能够记住之前事件、检索相关访客和场地上下文、响应实时运营变化并将结果写入记忆以备将来类似情况的代理。

我们使用 MongoDB Atlas、Voyage AI 嵌入、LangGraph 和可选的 Langfuse 追踪构建了此活动场地运营演示。演示场景是 MongoDB Open，一项虚构的高端网球锦标赛，比赛进入第六天。降雨即将来临，有盖的招待容量有限，运营者需要保护两位不同的访客体验：Mikiko，首次参与者，希望充分利用场地；Nina，高级宾客，有招待期望和可检索的历史记录。

此演示并非客户案例研究或生产部署，而是一个虚构的构建者场景，灵感来自真实的活动运营经济。主要网球赛事显示了决策的重要性：2025 年美国公开赛打破了上座率、收视率和数字覆盖记录，并提供了 9000 万美元的总奖金；USTA 还表示，为期三周的美网为纽约市带来了超过 12 亿美元的年经济影响。高级粉丝的期望也很高：PwC 发现 60% 的高收入美国体育迷愿意为特别活动花费超过 250 美元，20% 愿意花费超过 1000 美元。天气增加了另一层风险，这就是美国人口普查局现在通过其商业趋势和展望调查追踪极端天气对商业销售的货币影响的原因。

MongoDB Open 演示代理不仅仅是制定一个可行的计划。它读取当前场地状态，检索先前事件记忆，区分访客群体，并在招待容量仍可用时采取行动，同时将结果写回，以便下一次中断能在更多上下文中处理。完整的代码库可在此处获取。

演示分为三层：一个引导式确定性 UI，使操作故事易于理解；一个托管的 Vercel 演示，为读者提供公共应用链接；以及用于 Atlas Vector Search、向量加词汇检索、视觉文档 RAG、LangGraph 执行和可选 Langfuse 追踪的实时 API 端点和脚本，以展示整个堆栈如何协同工作。

通过本教程，您将获得一个由 MongoDB Atlas 支持的 FastAPI 应用，可在本地运行并部署到 Vercel。该应用包括一个四选项卡引导式 UI，用于活动操作故事和实时后端验证；用于操作状态、语义记忆、代理操作和 LangGraph 检查点的 Atlas 集合；存储在 Atlas 中的 Voyage 多模态嵌入；用于记忆检索的 Atlas Vector Search；结合向量相似性和词汇评分的混合检索端点；检索视觉操作文档并将其传递给 Claude Vision 的 Vision RAG 端点；可选的 Langfuse 追踪；以及一个遵循相同降雨延迟故事的可运行 LangGraph 脚本。

架构以 MongoDB Atlas 为核心，既作为操作层也作为内存层。在活动场地运营场景中，速度至关重要，因为有用的行动窗口很短。如果降雨在 20 分钟后到达，而有盖招待空间正在填满，运营者不需要后期事件仪表板或几分钟后的批量总结。代理需要在仍有容量保护宾客体验时读取当前场地状态、检索相关记忆、决定做什么并写回结果。这就是数据库类型及其使用方式成为关键系统设计选择的原因。操作记录、语义记忆、向量嵌入、视觉文档和代理操作都位于同一数据层中。代理不需要等待单独的分析管道，将数据同步到第二个向量数据库，或协调记忆层所说的与操作系统所说的。Atlas 同时充当记录系统和代理循环的检索层：感知变化、检索正确的上下文、采取行动并持久化发生的事件以供下次使用。

设置过程包括克隆代码库、安装依赖、配置环境变量、初始化 Atlas、植入文本和视觉文档，然后启动应用。用户界面有四个选项卡：场地运营仪表板、场景演练、最终结果和实时后端验证。内存存储位于 memory_store 集合中，每个文档包含命名空间、键、文本负载、类别元数据和嵌入。命名空间允许应用区分不同类型的记忆：（guests, guest_id）用于访客特定记忆，（fleet, event_id）用于运营者范围的事件模式，（docs, event_id）用于视觉操作文档。

教程还展示了如何使用向量搜索和混合搜索查询内存存储，以及如何通过视觉 RAG 将多模态嵌入与图像结合，让代理能够检索诸如通道地图、容量图表等视觉文档。总之，本教程提供了一个全面的端到端参考实现，展示了如何构建具有记忆和上下文感知能力的智能代理。