从这篇开始，我们正式进入 RAG 系列教程。搭建一个能问答的知识库并不难，但是想让检索和回答稳定下来，还需要理解分片、索引、召回、重排和生成分别做了什么。这一篇...

百度搭子（DuMate）依托端「端侧沙箱+云端大模型」云协同架构，实现了本地目录转知识库的全流程闭环。

前几天刷到条新闻,美国 AI 公司 Anthropic 为了给 Claude 凑训练数据，搞了个代号"巴拿马计划"的活儿：花几百万美元买下几百万本实体书，一刀切...

GitHub 上有个 issue 挺有意思。Milvus 用户启用 L0 XGBoost FunctionChain 之后，search_iterator() ...

先说最简单的比喻，方便小白理解。普通文字、图片机器不能直接读懂。机器会把一段文字、一张图片转换成一串数字数组，这串数字就是向量。比如一句话“汽车蓝色轿车”，转化...

最近把向量数据库的核心概念系统地捋了一遍——从 Embedding 基础到 ANN 算法、从 RAG 落地到架构选型，按"先搞懂是什么、再搞懂怎么选"的逻辑串起...

上个月有个同行找我救火。他们团队被大模型热度带着走，做了一套"纯向量数据库架构"的电商搜索系统，把所有数据都塞进了Milvus。上线第三周运营要拉一份"近7天购...

Milvus 3.0 发布时，官方给出了一组很抓眼球的口径：压缩后的 BM25 稀疏索引比 2.6 小约 3 倍（recall 相当），SINDI 在 lear...

在 GitHub 上翻 Milvus 的 issue 和 discussion，有个需求持续了三年多：建表之后，能不能加字段、删字段。

Milvus 3.0.0 在 2026 年 7 月 29 日 GA（来自 GitHub tag 与 LF AI & Data 基金会的双源验证）。官方 rele...

向量数据库选型，就是给你的AI应用找一个能高效存储和检索高维向量数据的系统。传统数据库查精确匹配（WHERE name = '张三'），向量数据库查语义相似——...

Milvus 3.0 正式版在 2026 年 7 月 29 日发布，距离 5 月 9 日的 3.0-beta 只隔了不到三个月。LF AI & Data 官方博...

先看一个场景：你在做 RAG 应用，用户问了一个问题，你把问题向量化，从 Milvus 里召回了几百个相关片段。但这些片段散落在几十个文档里，你想按文档分组，每...

RAG知识库、智能客服、语义搜索、以图搜图、推荐系统——这些场景的背后，都离不开向量检索。但走到选型这一步，很多架构师会卡住：到底选独立向量数据库，还是用关系型...

原理：Weaviate 默认匿名访问开启，所有接口（含 /debug/vars）统一受 API Key 鉴权保护，未携带合法 Key 直接 401 拒绝访问。

部署Weaviate向量数据库集群服务需要申请的端口权限：8060 && 7000 && 7001 && 7002 && 50051

读 Milvus 3.0 的全文检索代码，最容易先入为主：既然项目里已经嵌了 Tantivy，那么 BM25、text_match、短语和模糊匹配，应该都由这套...