向量检索

向量检索服务 DashVector产品计费重要本文中含有需要您注意的重要提示信息，忽略该信息可能对您的业务造成影响，请务必仔细阅读。本文主要介绍向量检索服务 DashVector的计费方式。

构建有记忆的 AI Agent：SQLite 存储 + 向量检索完整方案示例现在的 Agent 系统有个很明显的问题 —— 会话一结束，什么都忘了。这不是个技术缺陷，但是却限制了整个系统的能力边界。Agent 可以做推理、规划、执行复杂任务，但就是记不住之前发生过什么。每次对话都像是第一次见面，这种状态下很难说它真正"理解"了什么。

OceanBase数据库官方博客

OceanBase 混合检索解读：向量+标量，应该优先查哪个混合检索（Hybrid Search）作为AI应用中的常用技术，需要融合多模数据和多种检索技术，从而实现整合不同检索策略，来提升检索的准确性、召回率和适应性。

正在走向自律

探索RAGFlow：解锁生成式AI的无限潜能（2/6）文章摘要：本文介绍了 RAGFlow 这一生成式 AI 领域的新型系统架构，它融合了数据检索与生成式模型，通过多阶段处理、智能任务分配等优势，在智能客服、文档生成等多领域有广泛应用，能提升效率与质量。文章还分析了其技术原理、应用场景、技术优势及未来发展趋势，展现了 RAGFlow 在推动各行业数字化转型和智能化升级中的潜力。

Elastic开源社区

Elasticsearch 向量检索详解相似性搜索：根据向量之间的相似度，找到与目标向量最相似的文档。语义搜索：将文本转换为向量后，进行语义级别的搜索。

大龄码农有梦想

Springboot集成Milvus和Embedding服务，实现向量化检索Milvus 是一款开源向量数据库，专为支持大规模向量检索而设计，特别适用于大模型领域中的应用。本文详细介绍如何利用 Spring Boot 框架集成 Milvus 向量数据库，并通过调用阿里云百炼大模型服务平台所提供的 Embedding服务，实现数据的向量化存储与高效检索。此过程不仅验证了 Milvus 向量数据库的基本能力，还展示了其与先进 AI 服务无缝对接的灵活性。

如何通过HTTP API更新Doc本文介绍如何通过HTTP API更新Collection中已存在的Doc。说明若更新Doc时指定id不存在，则本次更新Doc操作无效

如何通过HTTP API插入Doc本文介绍如何通过HTTP API向Collection中插入Doc。说明插入Doc时若指定id已存在，已存在的Doc不会被覆盖，本次插入Doc操作无效。

如何通过HTTP API插入或更新Doc本文介绍如何通过HTTP API向Collection中插入或更新Doc。说明若调用本接口时Doc Id已存在，则等同于更新Doc；Doc Id不存在，则等同于插入Doc。

如何通过HTTP API检索Doc本文介绍如何通过HTTP API在Collection中进行相似性检索。已创建Cluster：创建Cluster。

阿里云大数据AI技术

通过阿里云 Milvus 与 PAI 搭建高效的检索增强对话系统阿里云向量检索服务Milvus版（简称阿里云Milvus）是一款云上全托管服务，确保了了与开源Milvus的100%兼容性，并支持无缝迁移。在开源版本的基础上增强了可扩展性，能提供大规模 AI 向量数据的相似性检索服务。相比于自建，目前阿里云Milvus具备易用性、可用性、安全性、低成本与生态优势。凭借其开箱即用的特性、灵活的扩展能力和全链路监控告警，阿里云Milvus 云服务成为多样化 AI 应用场景的理想选择，包括多模态搜索、检索增强生成（RAG）、搜索推荐、内容风险识别等。您还可以利用开源的 Att

如何通过HTTP API新建Collection本文介绍如何通过HTTP API创建一个新的Collection。已创建Cluster：创建Cluster。

HNSW 分布式构建实践作者：魏子敬随着大模型时代的到来，向量检索领域面临着前所未有的挑战。embedding 的维度和数量空前增长，这在工程上带来了极大的挑战。智能引擎事业部负责阿里巴巴搜推广及 AI 相关工程系统的设计和建设，我们在实际业务迭代与发展中遭遇了 embedding 维度和数量扩张带来的诸多问题，其中索引构建时间问题尤为突出。

吃饭睡觉不准打豆豆

从Full-Text Search全文检索到RAG检索增强时光飞逝，转眼间六年过去了，六年前铁蛋优化单表千万级数据查询性能的场景依然历历在目，铁蛋也从最开始做CRUD转行去了大数据平台开发，混迹包装开源的业务，机缘巧合下做了实时数据集成入湖，对传统Java的栈和大数据栈以及他们之间的衔接层有了比较全面的了解。现如今大模型业务蓬勃发展，铁蛋也想乘着这波东风谋求更好的发展，最近刚开始接触这块的技术，对RAG相关的技术比较感兴趣，但是一直没有很了解这里面的关系，这玩意搞不清楚就很难受，于是铁蛋决定袖子一撸，干他完了。事情还得从最开始说起，第一次接触到RAG是听说大

【Elasticsearch】-dense_vector与hnsw的含义在Elasticsearch7.12 以后的版本，开始支持向量检索。通常新增一个向量索引字段定义参数如下：

从Milvus迁移DashVector本文档演示如何从Milvus将Collection数据全量导出，并适配迁移至DashVector。方案的主要流程包括：

阿里云大数据AI技术

全新启航！阿里云向量检索服务Milvus版正式上线！今天，阿里云正式宣布向量检索服务Milvus版在杭州、上海、北京、深圳四大region正式可用并开放公测！这是由阿里云与产品生态合作伙伴Zilliz联合推出的一款业内领先的云原生向量检索引擎。向量检索服务Milvus版在上一代EMR Serverless Milvus 公测版的基础上全新升级并继续提供公测服务，不仅继续100%兼容开源版内核，同时联合ZIlliz提供更强大的商业化内核，极致的存算优化，使得性能得到3倍以上提升，资源节约30%以上，更与PAI-EAS、通义等阿里云AI产品打通，并全面兼容Ll

简化 KNN 检索【翻译】Simplifying kNN search#转载 #大数据/ES #翻译这篇文章是关于如何简化 k 最近邻（k-Nearest Neighbors，简称 kNN）搜索的深入探讨。以下是对全文的翻译(借助 kimi AI)：

ElasticSearch中使用bge-large-zh-v1.5进行向量检索（一）系统：MacOS 14.3.1ElasticSearch：8.13.2Kibana：8.13.2BGE是一个常见的文本转向量的模型，在很多大模型RAG应用中常常能见到，但是ElasticSearch中默认没有。BGE模型有很多版本，本次采用的是bge-large-zh-v1.5。下载地址：