view --main alicloud-ai-search-milvus-vektornyy-poisk-v-alicloud-milvus-s-pymilvus.md

alicloud-ai-search-milvus — Векторный поиск в AliCloud Milvus с PyMilvus

Name: alicloud-ai-search-milvus — Векторный поиск в AliCloud Milvus с PyMilvus
Author: openclaw/skills

Решение задачи интеллектуального поиска информации стало проще благодаря интеграции AliCloud Milvus с использованием PyMilvus. Этот модуль предоставляет навык для подключения и выполнения векторного поиска в AliCloud Milvus через API, что позволяет создавать приложения, использующие возможности искусственного интеллекта для более точного и релевантного поиска. Подключение осуществляется с использованием стандартных API PyMilvus, что обеспечивает гибкость и простоту интеграции.

Для работы требуется установка SDK PyMilvus (рекомендуется использовать виртуальное окружение для избежания ограничений PEP 668) и настройка переменных окружения: MILVUS_URI, MILVUS_TOKEN и MILVUS_DB. Это позволяет легко интегрировать функциональность поиска в существующие приложения и создавать новые решения на основе большой языковой модели. Простой пример использования демонстрирует создание коллекции, добавление данных и выполнение поиска.

Данный модуль открывает возможности для создания AI-агентов и приложений, использующих векторный поиск для анализа больших объемов данных. Интеграция с AliCloud Milvus обеспечивает масштабируемость и надежность, а использование PyMilvus упрощает разработку и развертывание. Функциональность включает векторный поиск, интеграцию с API PyMilvus и подключение к AliCloud Milvus.

$ git log --oneline --stat

⭐ звёзды: 3,556

форки: 1,005

обновлено: 29 марта 2026 года в 12:14

Проводник файлов

1 файлы

SKILL.md

readonly --- lines

--- name: alicloud-ai-search-milvus description: Use AliCloud Milvus (serverless) with PyMilvus to create collections, insert vectors, and run filtered similarity search. Optimized for Claude Code/Codex vector retrieval flows. version: 1.0.0 --- Category: provider # AliCloud Milvus (Serverless) via PyMilvus This skill uses standard PyMilvus APIs to connect to AliCloud Milvus and run vector search. ## Prerequisites - Install SDK (recommended in a venv to avoid PEP 668 limits): ```bash python3 -m venv .venv . .venv/bin/activate python -m pip install --upgrade pymilvus ``` - Provide connection via environment variables: - `MILVUS_URI` (e.g. `http://<host>:19530`) - `MILVUS_TOKEN` (`<username>:<password>`) - `MILVUS_DB` (default: `default`) ## Quickstart (Python) ```python import os from pymilvus import MilvusClient client = MilvusClient( uri=os.getenv("MILVUS_URI"), token=os.getenv("MILVUS_TOKEN"), db_name=os.getenv("MILVUS_DB", "default"), ) # 1) Create a collection client.create_collection( collection_name="docs", dimension=768, ) # 2) Insert data items = [ {"id": 1, "vector": [0.01] * 768, "source": "kb", "chunk": 0}, {"id": 2, "vector": [0.02] * 768, "source": "kb", "chunk": 1}, ] client.insert(collection_name="docs", data=items) # 3) Search query_vectors = [[0.01] * 768] res = client.search( collection_name="docs", data=query_vectors, limit=5, filter='source == "kb" and chunk >= 0', output_fields=["source", "chunk"], ) print(res) ``` ## Script quickstart ```bash python skills/ai/search/alicloud-ai-search-milvus/scripts/quickstart.py ``` Environment variables: - `MILVUS_URI` - `MILVUS_TOKEN` - `MILVUS_DB` (optional) - `MILVUS_COLLECTION` (optional) - `MILVUS_DIMENSION` (optional) Optional args: `--collection`, `--dimension`, `--limit`, `--filter`. ## Notes for Claude Code/Codex - Insert is async; wait a few seconds before searching newly inserted data. - Keep vector `dimension` aligned with your embedding model. - Use filters to enforce tenant scoping or dataset partitions. ## Error handling - Auth errors: check `MILVUS_TOKEN` and instance permissions. - Dimension mismatch: ensure all vectors match collection dimension. - Network errors: verify VPC/public access settings on the instance. ## Validation ```bash mkdir -p output/alicloud-ai-search-milvus for f in skills/ai/search/alicloud-ai-search-milvus/scripts/*.py; do python3 -m py_compile "$f" done echo "py_compile_ok" > output/alicloud-ai-search-milvus/validate.txt ``` Pass criteria: command exits 0 and `output/alicloud-ai-search-milvus/validate.txt` is generated. ## Output And Evidence - Save artifacts, command outputs, and API response summaries under `output/alicloud-ai-search-milvus/`. - Include key parameters (region/resource id/time range) in evidence files for reproducibility. ## Workflow 1) Confirm user intent, region, identifiers, and whether the operation is read-only or mutating. 2) Run one minimal read-only query first to verify connectivity and permissions. 3) Execute the target operation with explicit parameters and bounded scope. 4) Verify results and save output/evidence files. ## References - PyMilvus `MilvusClient` examples for AliCloud Milvus - Source list: `references/sources.md`

Инициализация мануала...