Alicloud Ai Search Milvus在线使用 Alicloud Ai Search Milvus官网入口
类别：provider
通过 PyMilvus 使用阿里云 Milvus（Serverless 版）
本技能使用标准的 PyMilvus API 连接阿里云 Milvus 并执行向量搜索。
前置条件
- 安装 SDK（建议在虚拟环境中安装，以避免 PEP 668 限制）：
python3 -m venv .venv . .venv/bin/activate python -m pip install --upgrade pymilvus
-
通过环境变量提供连接信息：
-
MILVUS_URI（例如：http://:19530） -
MILVUS_TOKEN（格式为:） -
MILVUS_DB（默认值：default）
-
快速开始（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) 创建集合（collection）
client.create_collection(
collection_name="docs",
dimension=768,
)
# 2) 插入数据
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) 搜索
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)
脚本快速启动
python skills/ai/search/alicloud-ai-search-milvus/scripts/quickstart.py
所需环境变量：
MILVUS_URIMILVUS_TOKEN-
MILVUS_DB（可选） -
MILVUS_COLLECTION（可选） -
MILVUS_DIMENSION（可选）
可选命令行参数：--collection、--dimension、--limit、--filter。
针对 Claude Code / Codex 的注意事项
-
insert操作为异步执行；插入新数据后请等待数秒再执行搜索。 - 向量
dimension必须与所用嵌入模型的输出维度保持一致。 - 使用
filter参数实现租户隔离（tenant scoping）或数据集分区（dataset partitions）。
错误处理
- 认证错误：检查
MILVUS_TOKEN是否正确，以及实例权限配置是否完备。 - 维度不匹配：确保所有待插入向量的维度与集合定义的
dimension严格一致。 - 网络错误：确认 Milvus 实例的 VPC 设置或公网访问策略已正确配置。
验证
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
通过标准：该命令退出码为 0，且成功生成文件 output/alicloud-ai-search-milvus/validate.txt。
输出与证据
- 将所有产物（artifacts）、命令输出及 API 响应摘要保存至
output/alicloud-ai-search-milvus/目录下。 - 在证据文件中包含关键参数（如地域、资源 ID、时间范围等），以保障可复现性。
工作流
1) 明确用户意图、目标地域、资源标识符，并确认操作类型为只读（read-only）还是变更类（mutating）；
2) 首先执行一个最小化的只读查询（例如 list_collections() 或 get_collection_stats()），验证连接性与权限；
3) 使用显式参数和受控范围执行目标操作；
4) 核验结果正确性，并保存输出内容与证据文件。
参考资料
- PyMilvus
MilvusClient在阿里云 Milvus 上的使用示例 - 原始资料清单：
references/sources.md