MongoDB原生不支持中文分词，text索引仅按单字切分，无法识别词语；collation仅解决排序和比较，不提供分词、倒排索引或$test搜索能力。
MongoDB 本身不内置中文分词引擎，text 索引对中文支持极弱（默认按单字切分，无法识别“人工智能”这类词），所以直接建 text 索引做中文搜索基本不可用。想真正支持中文全文搜索，只有两条路：一是用 Atlas Search（带分词）或第三方插件；二是用 collation 解决排序/大小写/重音等基础问题——但它**不解决分词，也不加速模糊匹配或关键词高亮**。
为什么不能只靠 collation 做中文搜索
collation 的作用是让字符串比较和排序符合语言习惯，比如 {locale: "zh_CN"} 能让 "张三" 和 "李四" 按拼音顺序排，但它不会把 "机器学习" 拆成 ["机器", "学习", "机器学习"]。它不生成倒排索引，也不支持 $text 查询中的 {$search: "学习"} 这类语义检索。
常见误用现象：
- 给中文字段加了
collation: {locale: "zh"}后，仍用find({name: /学习/})正则查询——性能差、无法利用索引 - 以为建了
text索引 +collation就能搜中文词——实际$text对中文几乎无效 - 在旧版 MongoDB（collation 排序中文，结果仍是乱序（因 locale 支持不完整）
Atlas Search 是最省心的中文分词方案
如果你用的是 MongoDB Atlas，Atlas Search 是目前唯一开箱即用、支持中文分词的官方方案。它底层基于 Lucene，自带 ik_smart 类似分词器（可配置），支持拼音、同义词、停用词等。
实操要点：
- 必须在 Atlas 控制台手动创建 Search Index，不能用 shell 命令直接建
- 索引定义中需显式指定
analyzer: "lucene.chinese"或自定义 analyzer - 查询走
$search聚合阶段，不是find，例如：db.collection.aggregate([{$search: {index: "default", text: {query: "人工智能", path: "content"}}}]) - 免费版 Atlas 有 Search 功能限制（如每月 10 万次查询），生产环境注意配额
本地部署时如何补足中文分词能力
Self-managed MongoDB（如 Community Edition 或 Enterprise）没有内置分词，必须外挂。主流做法有两种：
- 用
mongodbatlasvectorsearch+ 自动嵌入（仅限 v8.2+ Community）：适合语义搜索场景，但依赖自动嵌入模型质量，且不等价于传统关键词分词 - 接入外部分词服务 + 应用层预处理：例如 Python 中用
jieba分词，把content字段拆成keywords数组，再建多键索引：db.collection.createIndex({"keywords": 1})查询时用find({keywords: "学习"}) - 避免用第三方 MongoDB 插件（如老版本的
mongo-lucene）：多数已停止维护，与新 MongoDB 协议不兼容，容易引发连接中断或数据不一致
collation 的真实适用场景和坑点
别把它当搜索工具，它是排序/去重/大小写归一化的基础设施。正确用法包括：
- 查重时忽略大小写：
db.users.find({email: "USER@EXAM.COM"}).collation({locale: "en_US", strength: 2}) - 中文名排序：
db.person.find().sort({name: 1}).collation({locale: "zh_CN"})（注意：集合级 collation 必须在createCollection时声明，不能后期追加） - 建索引时绑定 collation：
db.person.createIndex({name: 1}, {collation: {locale: "zh_CN", strength: 1}})，这样sort和find才能命中索引 - 关键限制：collation 索引不能和非 collation 查询混用——如果索引带
{locale: "zh_CN"}，但查询没带 collation，MongoDB 不会使用该索引
最容易被忽略的一点：collation 的 strength 必须和查询意图严格匹配。比如设 strength: 1（只比基本字符）时，"cafe" 和 "café" 视为相同；但若业务要求区分重音，则必须用 strength: 2，否则去重逻辑出错。
