
官宣:Zilliz Cloud&Milvus发布CLI工具与官方Skill,让AI Agent成为专业VDB运维与开发助手(在新窗口打开)
现在,Zilliz 正式推出 MilvusCLI工具与两款官方 Agent Skill(Milvus Skill、Zilliz Cloud Skill),把这条路缩短到只需一句话就能搞定。开发者与运维人员只需通过自然语言指令,就能让 Claude Code、Cursor、Codex 等主流 AI Agent 生成精准可运行的代码、
共 14 篇

现在,Zilliz 正式推出 MilvusCLI工具与两款官方 Agent Skill(Milvus Skill、Zilliz Cloud Skill),把这条路缩短到只需一句话就能搞定。开发者与运维人员只需通过自然语言指令,就能让 Claude Code、Cursor、Codex 等主流 AI Agent 生成精准可运行的代码、

不久前,Zilliz 研发VP栾小凡受邀做客英文播客节目Innovator Coffee,深度分享了 Zilliz 的创业历程、Milvus 产品的构建逻辑与核心设计思路,以下为本次分享的重点内容摘编。

本文为Milvus Week系列第三篇,该系列旨在分享Milvus的创新与实践成果,以下是DAY3内容划重点: Milvus2.6中,Zilliz借助Geolocation Index for Milvus,首次将地理空间数据与向量检索融合,使 AI 可以在理解语义的同时,理解空间。

本文为Milvus Week系列第6篇,该系列旨在把Zilliz团队过去半年多积累的先进的技术实践和创新整理成多篇干货深度文章发布。

本文为Milvus Week系列第二篇,该系列旨在分享Zilliz、Milvus在系统性能、索引算法和云原生架构上的创新与实践,以下是DAY2内容划重点: Struct Array + MAX_SIM ,能够让数据库看懂 “多向量组成一个实体” 的逻辑,进而原生返回业务要的完整结果

本文为Milvus Week系列第一篇,该系列旨在分享Zilliz、Milvus在系统性能、索引算法和云原生架构上的创新与实践,以下是DAY1内容划重点:

Zilliz作者以FastAPI、Milvus Lite和MovieLens演示数据搭建搜索、推荐及相似用户接口,先用哈希向量检查流程,再切换嵌入模型。示例用于本地验证,推荐质量仍需独立评测。

本文为Milvus Week系列第7篇,该系列旨在把Zilliz团队过去半年多积累的先进的技术实践和创新整理成多篇干货深度文章发布。

Zilliz 在 Vector Graph RAG 中先用 Jev 筛选关系,再重排关联的原文片段。在 MuSiQue 和 2Wiki 共 2,000 题的对比中,Jev 1.14 两阶段方案的平均 Recall@5 为 86.61%。

Zilliz 作者在同机和相近资源配额下,用约 9.8 万条商品记录比较向量检索、BM25、融合、分组及聚合。结果适用于所用语料、索引和许可证配置,文章附复现实验。