milvus

大连好光景

向量数据库的工作流程详解一句话：文本、推荐系统选余弦相似度；图像、视频检索选欧氏距离；网格坐标、高维稀疏数据选曼哈顿距离。

向量数据库选型实战：Chroma/Qdrant/Milvus/PgVector 怎么选**一句话讲清楚：**RAG、Agent记忆、推荐系统背后都靠向量数据库做语义检索。但Chroma、Qdrant、Milvus、Redis Vector、PgVector到底怎么选？这篇从原理到选型逻辑一次讲透。

CentOS 部署 Milvus 向量数据库完整指南在开始安装 Milvus 之前，请确认你的 CentOS 系统满足以下最低要求：提示： Milvus Standalone 模式适合开发、测试及中小规模生产环境。如果数据量超过 1000 万向量，建议使用 Cluster 集群模式部署。

RAG实战-从 NoSQL 到 Milvus 混合检索的架构演进NoSQL 全称是 “Not Only SQL”，泛指所有非关系型数据库。这类数据库的诞生，是为了解决传统关系型数据库（如 MySQL）在面对超大规模数据、高并发请求和非结构化数据时的挑战。

RAG实战 - 向量数据库（Milvus）Milvus 是一款开源的向量数据库（2019 年提出），唯一目标是存储、索引和管理由深度神经网络和其他机器学习模型生成的大规模嵌入向量。它能处理万亿级别的向量索引。

梦想不只是梦与想

向量数据库Milvus：管理与工具Attu 是 Milvus 的一体化开源管理工具，提供了直观的图形界面，让你可以像操作 MySQL 一样管理 Milvus。

生产级医疗AI Agent：Multi-Agent RAG架构解析大家好，我是一名深耕AI Agent领域的开发者。最近参与了一个医疗健康AI Agent的完整项目开发，从架构设计到生产部署踩过了无数坑。今天把整个项目的技术细节和盘托出，希望能帮到正在做Agent开发的朋友们。

AI 爬虫三档授权工程落地：搜索放行、训练拦截、Agent 分层（附脚本）摘要：2026-09-15，Cloudflare 把"屏蔽 AI 爬虫"这一个开关拆成了 Search / Training / Agent 三个独立控制。本文提出「AI 抓取三档偏好」框架并给出四步落地路径：清点 UA（Python 3.13 日志分档统计）、写下偏好（robots.txt 三档模板）、分层拦截（CDN + Nginx）、验证生效（robots.txt 体检脚本）。附公开站点抽查实测结果与 6 组 FAQ。仅用标准库，无需额外依赖。

Milvus 生产环境部署，优化，日常维护中遇到的问题整个集群由四大层组成，每层独立扩展：黄金法则：nlist = 4 × sqrt(N)，nprobe 默认 16-32。

Windows 环境下 Python 方式安装 Milvus 向量库与 Attu 避坑指南这份文档结合了你的实际操作经验、版本避坑指南以及最新的兼容性表格，是一份非常完善的《Windows 环境下 Python 方式安装 Milvus 向量库与 Attu 避坑指南》。

从零构建 Java 智能体 RAG 系统：Milvus 向量数据库实战指南🧑 博主简介：CSDN博客专家，「历代文学网」（PC端可以访问：https://lidaiwenxue.com/#/?__c=1000，移动端可关注公众号 “ 心海云图 ” 微信小程序搜索“历代文学”）总架构师，首席架构师，也是联合创始人！16年工作经验，精通Java编程，高并发设计，分布式系统架构设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分享所学，希望通过我的实践经历和见

Docker 部署 Milvus：轻松搭建高性能向量数据库平台本文基于 openeuler/milvus:2.6.0-oe2403sp2，跟做标签 2.6.0-oe2403sp2（Milvus 2.6.0 / openEuler 24.03-LTS-SP2），客户端实测 pymilvus 3.0.1，测试平台 Ubuntu 24.04 Linux。

RAG（二）：Milvus 下载与安装Compose 拉起的不是「一个叫 milvus 的镜像」这么简单。v3.0.1 官方 YAML 里是三个服务：

像风一样自由2020

29.Redis在大模型应用中有哪些用途缓存会话与限流码海寻道 · 大模型、智能体与 RAG 工程组件系列第 29 篇大模型应用通常比普通 CRUD 服务更容易遇到高延迟、高成本和突发流量：一次回答可能要调用 Embedding、向量数据库、Reranker 和大模型。Redis 可以把热点数据、会话状态和限流计数放到内存中，减少重复计算并保护后端服务。

牛油果子哥q

向量数据库原理与工程选型：FAISS深度剖析、Milvus基础、检索优化、分片与持久化落地上一篇我们手写了暴力版本余弦相似度与TopK检索代码。暴力检索仅适用于几千条以内的小规模向量，一旦向量规模增长到十万、百万甚至千万级别，全量遍历计算相似度会带来无法接受的延迟。

向量数据库选型指南：Milvus / Qdrant / Chroma / pgvector摘要：本文围绕「向量数据库选型」展开，系统对比 Milvus、Qdrant、Chroma、pgvector 四款主流方案在架构、性能、功能与一致性上的差异，并给出按场景的选型建议；最后通过一个从 Chroma 原型迁移到 Qdrant 生产环境的完整实战案例，演示迁移步骤与注意事项，助你快速做出合适决策。

开源向量数据库比较：Chroma, Milvus, Faiss,Weaviate那种通过语义进行搜索以及具备检索增强生成功能的RAG, 正在对我们以网络进行交互的方式予以彻底变革, 达成这些具有突破性意义进展的支撑性所在便是向量数据库, 去挑选正确的向量数据库会是一项颇具难度的任务, 这篇文章针对你提供了在四个重要的开源向量数据库之间进行的全面比较, 期望你能够从中挑选出最契合自身特定需求的数据库。

LlamaIndex框架：简单RAG框架的全过程实现手册PyCharm 中进入设置 → Python → 解释器 → 添加解释器 → 添加本地解释器 → Conda 环境 → 新建环境 → 选择 Python 版本 → 确定。