2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

milvus

从向量存储到 Agentic 数据基础设施：Paimon × Milvus 如何构建 AI 原生多模态数据湖

本文整理自李钰在 Apache Flink Forward Asia 2026 的演讲，讨论 AI 与 Agent 进入生产环境后，数据湖与向量数据库“双系统”架构暴露出的结构性问题，以及 Apache Paimon 与 Milvus 围绕同一份湖数据协同的技术路径。

阿里云大数据AI技术
2026-08-25 18:21:19

 293

 3

#milvus #人工智能 #阿里云
阿里云 Milvus 知识库开启邀测，助力客户构建企业级 Agent

为帮助企业降低知识工程与检索系统的建设门槛，阿里云 Milvus 知识库现已开启邀测。通过提供一站式企业知识管理应用，企业可以更快地把分散的私有数据转化为 Agent 可调用、可追溯、可持续运营的知识能力。

阿里云大数据AI技术
2026-08-17 16:57:15

 188

 5

#阿里云 #milvus #人工智能
RAG 向量三剑客彻底吃透：FAISS / Chroma / Milvus

✅ 优点检索速度天花板，支持 CPU/GPU 加速索引丰富（FLAT、IVF、HNSW、PQ），可灵活取舍速度 / 精度无服务依赖，代码内嵌直接跑❌ 缺点无自动持久化，需手动保存 / 加载索引无元数据管理，文档、标签需要自己维护不适合频繁增删改的动态业务FAISS = 检索引擎：负责算得快，不管存、不管管，做底层内核、离线实验首选。Chroma = 本地玩具库：零配置无脑用，专注开发调试、原型验证

 阿贾克斯ajax0322
2026-07-25 13:57:37

 370

 4

#faiss #milvus
【大模型实战】手把手教你基于LLM与RAG的AI智能体意图识别深度实践，全程干货，简单易懂！！

首先，明确智能体需要支持的所有意图。然后，针对每个意图，我们需要收集和生成大量的同义句（Query），覆盖各种可能的表达方式。

AI大模型星球
2026-05-13 13:50:47

 490

 12

#人工智能 #spring #milvus +2
老年健康主动管理语音智能体 - 项目开发进展与技术思考

项目开发过程中遇到的问题很多，选取几个典型问题做个总结，同类项目可以参考规避。

୧⍤⃝448
2026-04-09 22:00:16

 378

 4

#java #spring #人工智能 +1
手把手带你读懂MemBrain（极其详细）：Agent实体树记忆到底怎么实现的？

继续看Agent记忆上的事情，看看基于实体-主题-时序-版本控制的Agent记忆方案，很常规的组合方案，不算太创新。

Python_金钱豹
2026-04-09 21:23:22

 498

 10

#人工智能 #java #spring +2
Java 开发者零成本构建 RAG 知识库：Spring AI Alibaba + Ollama 搭建本地 RAG 知识库

大模型再聪明，也不了解你的公司内部文档。RAG 就是让通用模型学会"你的知识"的最佳方案。

Python_金钱豹
2026-04-08 20:33:06

 514

 11

#人工智能 #java #spring +4
使用Milvus搭配Ollama搭建RAG知识库

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索与文本生成的先进AI架构，其核心在于让大语言模型在回答问题前，先从外部知识库中“查找资料”，再基于查到的信息生成准确、有依据的回答。这种方法有效缓解了大模型常见的知识过时、幻觉等问题。Milvus 是一款专为高维向量数据设计的云原生向量数据库，广泛应用于人工智能、机器学习和相似性搜索场景。它采用存

 stillfantasy77
2026-03-09 15:04:50

 416

 9

#milvus
大语言模型的智能体推理：从被动生成到主动思考的范式转变

推理是智能的核心能力，它支撑着逻辑推断、问题解决和决策制定等高级认知过程。尽管大语言模型（LLMs）在数学和代码等封闭领域的标准基准测试中展现出强大的推理能力，但在开放式和动态环境中，它们仍然面临诸多挑战。**智能体推理**(Agentic Reasoning)的出现标志着一个范式转变，它将大语言模型从简单的序列生成器重新定义为能够规划、行动并通过持续交互学习的自主推理智能体。

朝阳区靓仔_James
2026-03-07 20:01:27

 411

 6

#语言模型 #人工智能 #自然语言处理 +4
Agent 工程师需要懂的开发技术

2026年，AI Agent 正在从实验室走向生产。但把一个能跑通 demo 的 Agent 变成一个可靠的产品，中间隔着一整套工程体系。这篇文章面向中国开发者，结合国内实际的技术生态和工具链，梳理 Agent 工程师需要掌握的核心开发技术——不求精通每一项，但求在做架构决策时不掉链子。

朝阳区靓仔_James
2026-03-07 20:00:14

 569

 8

#人工智能 #milvus #机器学习 +2
Spring Boot3集成LangChain4j实战｜基于开源源码打造企业级大模型应用

在企业级实际开发中，单纯的大模型调用远远不够——比如复杂的提示词工程、多数据源上下文整合、大模型与业务系统的深度联动、向量数据库适配等场景，Spring AI的封装就显得不够灵活。

朝阳区靓仔_James
2026-03-06 18:19:52

 522

 11

#spring boot #开源 #后端 +4
多模态大模型视觉特征怎么“用好”？CVPR 2025 最稳融合范式解析（保姆级教程），建议收藏！

当前多模态大语言模型（MLLMs）在视觉-语言任务中快速发展，但**视觉信息通常仅来自视觉编码器的单一层**，这在复杂推理、跨语言理解、细节感知与一致性判断等任务中存在明显瓶颈。尤其在视频、OCR、多阶段推理等场景中，单层视觉特征难以同时覆盖低层细节与高层语义。

朝阳区靓仔_James
2026-03-06 18:18:07

 472

 11

#人工智能 #深度学习 #机器学习 +4
2026 AI工程师进阶路线图（全网最全），从小白到大神，收藏这一篇就够了！

当下的 AI 领域正在经历一场深刻的分化。大多数开发者仍在构建"玩具级"应用——那些基于 GPT API 的薄层封装，而市场真正需要的是能够处理生产级复杂性的系统架构师。

朝阳区靓仔_James
2026-03-06 18:15:58

 416

 9

#人工智能 #milvus #机器学习 +2
向量检索全景：稀疏、密集与二进制向量在 Milvus 中的实践指南

向量检索是现代 AI 应用的核心技术，从语义搜索到推荐系统，从图像识别到多模态检索。本文深入解析三种主要向量表示——稀疏向量、密集向量和二进制向量，详细介绍它们在 Milvus 向量数据库中的实现、索引策略、性能权衡和最佳实践。通过理论分析与实战代码，帮助开发者选择最适合业务场景的向量类型和检索方案。

玄同765
2026-03-06 16:31:26

 393

 10

#milvus #人工智能
OpenClaw 完全指南：从零搭建你的 AI 员工团队

本文将用最通俗的语言，带你彻底搞懂 OpenClaw 的架构设计、核心概念，以及如何配置和扩展。读完这篇，你就是 OpenClaw 专家。

朝阳区靓仔_James
2026-03-05 21:24:33

 848

 9

#人工智能 #milvus #机器学习 +2
AI时代构建个人知识库教程（非常详细），知识管理从入门到精通，收藏这一篇就够了！

你的微信里转发了多少条推文了？500条？1000条？还是从来没有统计过了？

朝阳区靓仔_James
2026-03-05 21:23:27

 428

 5

#人工智能 #milvus #机器学习 +2
不懂代码也能玩转AI Agent？OpenClaw 新手入门到精通，这一篇保姆级教程就够了！

上周，一个朋友兴冲冲地跑来问我：> "我看你的 AI Agent 每天自动发知识星球、抓 Product Hunt 榜单、还能画图，太酷了！我也想让我的 Agent 学会这些，是不是要写很多代码？"

朝阳区靓仔_James
2026-03-05 21:21:56

 555

 9

#人工智能 #chrome #前端 +4
探索 Sicar 标准柜架模板 3.0 版：西门子 S7 - 1500PLC PN 总线程序的魅力

Sicar标准柜架模板3.0 版西门子S7-1500PLC PN总线程序，国内知名智能制造企业，出口国外项目，包含西门子TP900触摸屏，ET200SP，ET200AL，西门子210伺服，IAI电缸，EPSON机械手，全部走ProfiNet总线，大量UDT，大量FB块可供参考！可用于学习或工程，需要设备和软件环境:1,博途v15.1v16v17 可以打开是程序是程序是程序,不是实物嘿，各位工控

 YGkDOYjbiPA
2026-03-05 14:23:46

 526

 8

#milvus
突破高维特征弥散：骨科康复领域 Milvus 混合检索算法工程落地实录

本文探讨了骨科康复领域RAG系统面临的语义偏移问题及优化方案。传统基于通用Embedding的检索在医疗长尾Query中表现不佳，出现高维特征余弦弥散度激增和跨模态语义坍缩。通过引入爱搜光年医疗实体Schema标准，重构为"高维向量+强类型标量"的混合检索架构，在Milvus中实现结构化元数据过滤与向量搜索的深度结合。压测显示优化后系统性能显著提升：长程注意力召回衰减率下降85

爱搜光年医疗GEO
2026-03-05 10:49:52

 417

 6

#milvus #算法
CodeGenius Memory系统构建教程（非常详细），代码生成上下文控制从入门到精通，收藏这一篇就够了！

本次 Memory 系统重构是一次面向 AI Agent 未来演进的上下文工程升级——通过结构化、压缩与抽象机制，让模型在有限上下文预算下更高效地维持任务理解、目标对齐与推理连贯性。

朝阳区靓仔_James
2026-03-04 18:50:52

 357

 10

#知识图谱 #人工智能 #milvus +2
AI Agent能力扩展两大关键路径：一文读懂Agent Skills和MCP协议的核心原理与设计哲学

随着大型语言模型（LLMs）的飞速发展，人工智能的应用范式正从单一的“对话”模式，逐步演进至能够自主“行动”的智能体（AI Agent）时代。

朝阳区靓仔_James
2026-03-04 18:49:15

 447

 6

#人工智能 #milvus #机器学习 +2
【万字】半年人工喂出来的AI客服：从0到1打磨生产级RAG系统，越用越聪明

之前我们说过23年是模型初年，主要行业主要着眼于模型，史称**百模大战

 朝阳区靓仔_James
2026-03-03 18:52:27

 387

 10

#人工智能 #milvus #机器学习 +2
EMNLP2025重磅！大模型+知识图谱构建全解析（干货满满），看完这篇就够了！

当前从海量非结构化文本中自动构建高质量知识图谱（KG）依然是一个长期且尚未完全解决的难题，现有的KG构建流程并未真正实现自动化，不仅需要大量人工设计提示词，还依赖人工清洗噪声文本，整个流程分散、难以形成统一的端到端框架。同时，非结构化文本，尤其是科研领域如生物医学文献，其句子往往极长、结构复杂，包含多从句、多谓语以及频繁出现的指代现象，使得大语言模型（LLM）在解析时容易出现理解偏差，导致三元组抽

 朝阳区靓仔_James
2026-03-03 18:49:20

 446

 7

#知识图谱 #人工智能 #milvus +3
OpenViking，为 AI Agent 而生的开源上下文数据库

AI Agent 的浪潮已至。它们不再只是执行指令的“工具人”，而是能感知环境、自主规划、调用工具、协同协作的智能体。然而，在这片充满无限可能的蓝海中，开发者们却普遍遭遇了一座隐形冰山——**上下文管理**。

小天才学习机打游戏
2026-03-02 21:12:45

 1051

 23

#人工智能 #数据库 #大数据 +3
企业AI决策核心引擎：Palantir Ontology系统从入门到精通，这篇解析太详细了！

Palantir本体系统是企业自主决策堆栈的核心组件，旨在整合企业数据、逻辑、行动和安全性，构建知识图谱实现跨运营的自动化决策。该系统通过统一异构数据源、建模企业行动、编码业务逻辑和编排安全策略，为人机协作团队提供可扩展的实时操作平台。本体系统支持数百万次读写操作，协调从数据湖到实时系统的异构基础设施，并通过强大的开发工具链赋能开发者和AI代理构建生产级应用。这是一个将专业知识转化为共享基础设施的

 小天才学习机打游戏
2026-03-02 21:11:43

 1174

 16

#人工智能 #大数据 #区块链 +2
LLM模型开发教程（十五）RAG核心技术和RAG与蒸馏/微调的选型建议

摘要：RAG技术通过检索增强生成，解决大模型的三大缺陷：幻觉、知识滞后和数据隐私问题。关键环节包括文档切割（推荐递归字符分割算法）、向量数据库选型（Milvus适合大规模，Qdrant适合轻量级），以及参数调优策略（合理设置chunk_size和重叠度）。特别针对中文场景，需调整分隔符并防范信息割裂风险。该技术可有效提升大模型在专业领域的可靠性和实用性。

南麟剑首
2026-03-02 19:46:05

 1138

 17

#AI #RAG #milvus
向量数据库选型指南：Chroma vs Milvus vs pgvector vs Elasticsearch

本文对比了Chroma、Milvus、pgvector和Elasticsearch四种主流向量数据库。Chroma是轻量级嵌入式方案，适合本地AI应用和小型项目；Milvus是专业分布式向量数据库，适用于大规模AI系统；pgvector作为PostgreSQL扩展，适合关系型与向量混合查询；Elasticsearch则擅长文本与向量混合搜索。文章从架构、性能、适用场景等维度分析各方案优劣，并给出选

 陌北v1
2026-03-02 13:49:07

 1980

 22

#milvus #elasticsearch
图增强大模型：Graph4LLM系统性综述

近日，北京邮电大学GAMMA Lab团队重磅推出Graph4LLM系统性综述，从LLM全流水线视角出发，梳理了图增强LLM的研究成果，为该领域提供了统一的分类框架与研究脉络。

朝阳区靓仔_James
2026-02-28 20:13:47

 596

 30

#人工智能 #milvus #机器学习 +2
终极实施指南：基于 Spring AI + Milvus 的 RAG 问答系统（保姆级工程实施白皮书）

完整性：本指南涵盖了从 Maven 依赖修复到 Docker 部署的全流程。兼容性：解决了 JDK 21 下 Lombok 和 Spring AI 里程碑版本的冲突。适应性高配 (Path A)：使用 Qwen-7B + BGE-M3，回答准确，适合正式演示。低配 (Path B)：使用 Qwen-1.5B + Swap，保证在 2核4G 服务器上也能跑通流程，响应延迟可控在 2s 左右。

wx5701619
2026-02-28 16:07:02

 1403

 20

#spring #人工智能 #milvus +4
【Spring AI & LangChain4j 进阶篇】Milvus/Redis向量库整合Java：RAG核心环节手把手代码实现

本文介绍了基于Java生态的RAG（检索增强生成）系统实现方案。RAG通过"先检索后生成"的方式，有效解决大模型幻觉问题，适用于企业知识库、客服机器人等场景。文章详细拆解了RAG全链路流程：1）多格式文档解析与文本分块；2）文本向量化与存储；3）检索增强生成。提供了Spring AI和LangChain4j的Java代码示例，涵盖PDF/Word/Markdown文档处理、向量

 小可爱awo
2026-02-28 14:03:10

 1524

 14

#milvus #RAG
Milvus大揭秘：AI的“记忆中枢”，如何让推荐、搜索秒变“懂你”神器？

本文深入解析了Milvus向量数据库的核心价值与实战应用。作为专为非结构化数据设计的云原生向量数据库，Milvus通过高效存储、索引和检索高维向量数据，赋能以图搜图、语义搜索、智能推荐等AI应用。文章追溯了Milvus从实验室到全球开源标杆的发展历程，详解其技术内核与关键特性，并展示了在金融、电商、生物信息等领域的典型应用案例，强调了Milvus作为AI新基础设施的重要地位。

python零基础入门小白
2026-02-27 17:22:59

 935

 17

#milvus #人工智能 #语言模型 +2
Milvus介绍与部署

Milvus 由 Zilliz 开发，并很快捐赠给了 Linux 基金会下的 LF AI & Data 基金会，现已成为世界领先的开源向量数据库项目之一。它采用 Apache 2.0 许可发布，大多数贡献者都是高性能计算（HPC）领域的专家，擅长构建大规模系统和优化硬件感知代码。核心贡献者包括来自 Zilliz、ARM、英伟达、AMD、英特尔、Meta、IBM、Salesforce、阿里巴巴和微软

 淘谷墨儿
2026-02-27 16:01:33

 1208

 18

#linux #milvus #运维
2026大模型检索技术落地全解（非常详细），RAG实战从入门到精通，收藏这一篇就够了！

如果你现在还在用最朴素的"切块 → 向量化 → TopK检索 → 生成"四步RAG，在面试或者和同行交流时大概率会显露出知识断层。

小天才学习机打游戏
2026-02-27 13:06:04

 1213

 11

#人工智能 #大数据 #区块链 +2
不需要AI和数学知识背景，这篇文章带你学会大模型应用开发

最近几年，大模型在技术领域的火热程度属于一骑绝尘遥遥领先，它已经深刻地影响了“编程”领域，且正在各个领域迅速渗透。与此同时，普通开发者也变得非常地焦虑，因为实实在在感受到了它强大的威力，担心哪天自己就被取代。与其担忧，我们不如主动拥抱这种技术变革。

朝阳区靓仔_James
2026-02-26 21:56:05

 875

 9

#人工智能 #milvus #机器学习 +2
Milvus / Zilliz Cloud 的部署与使用

Milvus / Zilliz Cloud 的部署与使用，包括本地部署 Milvus、Zilliz Cloud 的托管服务，以及在 Naive RAG 中的集成方法，并配上流程图，方便你快速上手。默认访问：3. Zilliz Cloud 使用3.1 注册与创建 Cluster访问 https://cloud.zilliz.com 注册账号。创建 Cluster（选择云厂商、地域、节点规格）。获取

 find_element_by_id
2026-02-26 17:12:28

 428

 5

#milvus
RAG 实战指南：Milvus、Ollama 与 Embedding 模型全解析

本文深度解析了 RAG（检索增强生成）架构中的核心组件关系，详细拆解了 Spring AI 的配置逻辑，并提供了主流 Embedding 模型的选型策略与避坑指南。

wx5701619
2026-02-26 09:51:13

 1518

 22

#milvus #spring #java +2
20260225_192429_企业级_AI_Agent_的终极王牌：从_0_到_1_带你理

尽管生成式 AI 如火如荼，但一个尴尬的事实是：**大部分企业 Agent 项目都以失败告终**— 幻觉、跑偏、不可控。也正因此，智能体工程“学科”开始兴起。其中，基于“本体论”（Ontology）的企业“本体”工程，正越来越被推至关键地位。

小天才学习机打游戏
2026-02-25 19:26:08

 878

 10

#人工智能 #大数据 #区块链 +3
一文读懂 Milvus：全球领先的开源向量数据库，AI 应用的“记忆中枢”

在 AI 时代，文本、图像、音频被转化为高维向量，而高效存储与检索这些向量，成为智能应用的**核心瓶颈**。此时，**Milvus** 作为专为向量设计的数据库横空出世

 qq_17153885
2026-02-25 19:11:40

 1563

 24

#milvus #开源 #数据库
Milvus 深度解析：为 AI 而生的云原生向量数据库

Milvus 已经从一个单纯的向量检索工具，进化为一个全能的 AI 数据基础设施。如果你正在构建一个需要处理海量语义数据、且对性能和扩展性有极高要求的生产级 RAG 应用，Milvus 通常是首选方案。

wx5701619
2026-02-25 15:53:31

 1138

 11

#milvus #人工智能 #数据库
“人人都有AI助理”的时代，正在到来

这几年，《钢铁侠》里那个叫“贾维斯”的AI管家经常被大家提起。无所不能。钢铁侠只要说一句，贾维斯你帮我干什么干什么。不一会儿，事情就办好了。十几年前看到这一幕，我大受震撼，这实在太酷了，什么时候我也能有这种AI助理呢？

小天才学习机打游戏
2026-02-24 21:44:48

 912

 17

#人工智能 #区块链 #fastapi +2
中国AI发展趋势深度解读（非常详细），从小白到行业专家，收藏这一篇就够了！

人工智能（AI）企业数量超过6000家，AI核心产业规模预计突破1.2万亿元，同比增长近30%；

朝阳区靓仔_James
2026-02-24 21:34:58

 831

 21

#人工智能 #rpa #python +1
【摘要】向量数据库作为大模型时代语义检索、RAG、推荐系统的核心组件，目前主流产品在性能、架构、成本及适用场景上差异显著。本文汇总Milvus、Qdrant、Weaviate等8种常见向量数据库，梳理

目前主流向量数据库的选型核心，在于**匹配“数据规模、并发需求、运维能力、业务场景”** ，无需盲目追求“最强大”，贴合自身需求即为最优，核心总结如下：1. 轻量场景（小型Demo、本地RAG）：优先选Chroma、FAISS，突出“简单、免费、易用”，降低开发和运维成本；2. 中小规模企业场景（千万级以内、结构化+向量混合）：优先选PgVector，依托PostgreSQL的稳靠性，减少多库维护

 m0_74128289
2026-02-23 16:56:10

 755

 17

#数据库 #架构 #milvus
GraphRAG vs 传统 RAG：如何通过知识图谱提升 AI 检索能力！！

相比传统 RAG 仅能独立检索文本片段的局限性，GraphRAG通过构建实体关系图谱实现了信息间的连接，让 AI 能更完整地理解和检索复杂的关联信息，从而生成更准确和连贯的回答

 程序学到昏
2026-02-22 10:00:00

 1084

 24

#milvus #人工智能 #python +3
多智能体系统一致性仿真：Matlab 实现探索

多智能体系统一致性仿真Matlab仿真代码主要包括:1.二阶无领导2.二阶一领导四跟随3.一般线性有领导4.一般线性无领导5.一阶有领导6.一阶无领导在多智能体系统的研究领域，一致性问题一直是核心关注点之一。通过 Matlab 进行仿真，可以直观地观察和分析多智能体系统如何达成一致性。接下来，咱们就详细看看不同场景下的多智能体系统一致性仿真代码及其背后的逻辑。

BsDOblRZY
2026-02-20 17:30:00

 843

 13

#milvus
工业设备智能诊断系统实战全攻略（非常详细），LangGraph+MCP+Chainlit从入门到精通，收藏这一篇就够了！

在工业4.0时代，设备故障诊断已经从被动响应转向主动预警和智能决策。传统的工业设备维护模式往往依赖于人工经验和定期检查，这种方式不仅效率低下，而且难以应对复杂多变的设备故障场景。本文将深入介绍一个基于LangGraph、Model Context Protocol (MCP) 和Chainlit构建的工业设备智能诊断系统，详细阐述其架构设计、核心模块实现以及前端可视化方案，为开发者提供实战参考。

小天才学习机打游戏
2026-02-15 19:56:04

 906

 13

#人工智能 #区块链 #fastapi +2
调优不抓瞎！Milvus检索可视化，让RAG调试告别黑盒凭感觉

摘要 RAG（检索增强生成）作为大模型落地的核心方案，解决了知识时效性和事实性问题，但调试过程存在"黑盒"困境。开发者无法直观感知高维向量空间的语义分布，导致调优效率低下。GitHub项目Project_Golem通过3D可视化技术破解这一难题，但原架构仅适用于小规模演示。本文提出基于Milvus 2.6.8的改造方案，解决了实时性、可扩展性和工程化三大痛点，实现了百万级文档的

 小程故事多_80
2026-02-15 10:43:18

 1173

 12

#milvus #人工智能 #AIGC
Claude 3.5 +LlamaIndex+Milvus，六步教你搭建Agentic RAG

OpenAI 的 ChatGPT为代表的基础模型的出现显著加速了 LLM 应用的发展，但是如果只使用 LLM 依赖其“自有”知识来回答问题，往往会出现大模型幻觉，或者知识更新不及时等问题。

程序学到昏
2026-02-14 11:45:00

 1216

 18

#milvus #人工智能 #python +3
向量数据库选型困局？一文读懂 Chroma 与主流竞品的优缺点

选型的核心逻辑：先明确数据规模、并发需求、运维能力、预算，再匹配向量库的核心优势—— 小体量、快落地选 Chroma；大规模、企业级选 Milvus；离线高性能选 FAISS；无运维、快试点选 Pinecone；PostgreSQL 生态选 pgvector。

heimeiyingwang
2026-02-14 09:47:34

 1388

 11

#开源 #milvus #分布式
手把手教你落地工业AI（非常详细），4大场景全解析，建议收藏！

大模型虽然强大，但依然存在两大痛点：

朝阳区靓仔_James
2026-02-10 09:54:08

 800

 27

#人工智能 #rpa #python +1
Skills 比MCP好在哪儿？如何用Milvus-Skills 搭建知识库

本文介绍了Anthropic推出的Skills工具调用标准，相比传统MCP方法具有更精简的上下文、更高标准化和更强可控性。文章详细讲解了Skills的目录结构（SKILL.md核心文件、scripts执行脚本、templates文档模板和resources参考资料），并以创建Milvus Skills为例，演示了如何通过自然语言描述自动构建RAG系统或Milvus Collection。实战部分包

 Zilliz Planet
2026-02-09 14:41:31

 2006

 27

#milvus

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号