milvus标签_AI Agent技术社区

milvus

图解订票agent必懂的20个意图识别核心概念

帮我订一张明天从北京到上海的高铁，早上8点左右，二等座。这一句话，系统要完成20个步骤：先判断你是要订票还是查班次（判断错了就返回时刻表而不是付款链接），再识别出"北京"指的是北京南站不是北京站（高铁主要从南站发车），再把"早上8点左右"解析成06:00到09:30这段时间范围……任何一步出错，要么系统多追问你两轮，要么给你订了一张退不了的错票。

小天才学习机打游戏
2026-05-03 22:02:36

 384

 8

#javascript #前端 #开发语言 +4
python milvus 案例

【代码】python milvus 案例。

小大宇
2026-07-26 18:02:37

 249

 5

#python #milvus #开发语言
Java转Agent开发心路历程

直到最近，我在飞猪开发需求的时候，主管告诉我不要自己写代码，代码只从内部Agent生成，这一句话彻底打碎我对纯后端开发的幻想，我也深知像我这种的Java外包开发以及没有任何的生存空间了，危机感伴随着每一次使用阿里的内部agent，就连我之前报名培训的机构也都不再培训Java了而是转型Agent培训，我意识到了强烈的危机感，深知我自身的尿性，于是我又花6000块报名了Agent开发培训，我系统性地接

 m0_65945149
2026-04-29 14:45:48

 343

 10

#java #开发语言 #python +2
用 SQLite+Embedding 给 Agent 加上 RAG，从此秒懂项目源码

这一期我们来给 Agent 装上 RAG，让 Agent 可以直接读我们的代码库。举个具体场景，我问“MemoryManager 是怎么压缩上下文的”。没有 RAG 的 Agent 只能凭训练数据瞎猜，猜得对算运气好。

Python_金钱豹
2026-05-28 22:59:16

 224

 5

#sqlite #jvm #人工智能 +2
图解10个Agent可标注评测类型：以火车票案例讲解

很多团队做订票 Agent 评测，上来就看最后有没有给出车次。真正让系统返工的不是车次推荐不准，而是前面没有把用户一句订明天下午去上海的高铁拆成**可标注判断**。

Python_金钱豹
2026-04-27 17:22:16

 424

 10

#人工智能 #milvus #数据库 +2
更可靠的主播助理：淘宝主播Agent的Harness工程实战

OpenClaw、Claude Code、Hermes 这类智能体产品把 Harness Engineering 这个词带火了。它的核心主张很简单：模型能力是概率的、会漂移的、偶尔会失控的，真正让 Agent 可用、可控、可演化的，是模型外面那一层工程化的"骨架"（Harness）：结构化的上下文、约束性的工具协议、生命周期的钩子、可恢复的状态、可观测的评估。但大部分公开的 Harness 实践，

Python_金钱豹
2026-06-20 22:42:46

 207

 2

#人工智能 #milvus #阿里云 +2
面试官：对话 Agent 上下文窗口不够用怎么办？

超长对话怎么处理？上下文窗口不够怎么办？三种方案：滑动窗口、摘要压缩、结构化提取。

Python_金钱豹
2026-05-28 23:01:13

 230

 8

#java #开发语言 #架构 +2
大厂面试题 Agent多轮对话上下文管理:原理与源码拆解

导读：** 上周有粉丝留言说，面试官问"Agent 多轮对话上下文是怎么管理的"，回答"把历史消息传给模型"，然后被追问五个问题，全没答上来。这道题看起来简单，藏的坑却很深。本文从根本原理出发，结合真实框架源码，把每一层细节讲清楚——Session 隔离、消息结构、上下文拼装、压缩策略、崩溃恢复，最后附面试答题框架。小白友好，建议收藏。

Python编程杰哥
2026-08-07 21:42:47

 87

#人工智能 #milvus #数据库 +2
不止大模型：Agent 真正难的是 Harness Engineering

过去一年，很多人第一次听到 AI Agent，脑海里浮现的是一个“会自己干活的 AI”：它能读邮件、查资料、写代码、跑流程，甚至像同事一样接过一个任务，自己拆解、执行、汇报。

Python_金钱豹
2026-06-18 11:57:46

 203

 5

#人工智能 #大数据 #python +2
向量数据库从入门到生产（下）：生产实践与 Agent 集成

本文是适合零基础开发者快速掌握向量数据库在生产环境中的核心应用要点，聚焦生产环境实战。主要内容包括：生产环境最佳实践（索引调参、数据分片、批量操作、监控与安全）、向量数据存储结构及开销计算、持久化策略对比、数据备份方案等。针对千万级数据场景，提供了分区策略建议和性能优化参数配置，并详细说明了不同向量数据库的存储机制和备份方法。

唐璜Taro
2026-05-21 09:24:25

 590

 13

#milvus
决定 AI Agent 成败的关键：上下文工程（Context Engineering）深度解析

在 AI 开发领域，有一个大多数开发者不愿面对的“残酷真相”：你的 AI Agent（智能体）表现糟糕，往往不是因为你选错了模型（Model），而是因为你没有构建好正确的**上下文（Context）**。

朝阳区靓仔_James
2026-03-12 22:14:54

 174

 2

#人工智能 #知识图谱 #算法 +2
Agentic Engineering多Agent高并发开发完整落地方案（告别Vibe Coding，工程化实践）

Andrej Karpathy 正式宣告 Vibe Coding 时代落幕，AI 软件开发全面进入 Agentic Engineering 智能体工程化阶段。传统无约束、即兴式的 Vibe Coding 仅适合快速 Demo 原型，无法支撑企业长期迭代；而多 Agent 高并发是 AI 工程化落地的核心能力。本文基于 Karpathy 提出的工程化思想，完整拆解四层分层并发架构、标准化研发流水线，

记忆停留w
2026-07-02 22:29:21

 337

 5

#大数据 #hadoop #hdfs +2
Agentic Search能替代GraphRAG吗，结论清晰了

2024 年 GraphRAG 爆火以来，「要不要建图」成了 RAG 系统设计中最常被讨论的决策。建图能显著提升多跳推理性能，但代价高昂——实体抽取、图谱构建、索引维护，每一步都是真金白银。

小天才学习机打游戏
2026-05-21 20:13:34

 389

 13

#人工智能 #数据库 #faiss +2
Agent 卡在执行第一步？90% 的问题出在 Query 理解（附完整技术架构）

在实际业务中，超过 60% 的 Agent 执行错误源于 Query 理解失败——指代消解错误、时间表达歧义、意图识别偏差。当用户说"帮我查一下那个上周订的东西"，系统需要同时解决：实体指代（"那个"→订单 ID）、时间解析（"上周"→具体日期范围）、动作映射（"查"→物流/状态接口）。这不仅是 NLP 问题，更是工程架构问题。本文从工程视角完整拆解 Agent Query 理解的技术链路，涵盖

 程序猿李巡天
2026-07-08 20:42:41

 402

 5

#架构 #人工智能 #面试 +4
Milvus 向量数据库完整指南：异构硬件加速 Agent 记忆底座｜架构演进、性能调优、企业 Agent 落地全方案

Milvus 是 Zilliz 打造的全球最主流开源分布式向量数据库，经过 6 年迭代、服务 10000 + 企业客户，凭借多架构硬件适配、多模态向量检索、云原生分布式能力，成为大模型 Agent、RAG 知识库、多模态检索场景的核心记忆底座。本文完整拆解 Milvus 架构迭代、全维度性能优化方案、Agent 智能体落地实战案例，覆盖开源 Milvus 与 Zilliz Cloud 全托管云服务

 Python编程杰哥
2026-07-31 11:06:38

 187

 2

#milvus #数据库 #架构 +3
【硬核干货】SpringAI+Qwen3-8B+向量数据库，本地构建知识库系统，小白也能学会的AI开发指南

本文详细介绍了如何使用SpringAI框架结合Qwen3-8B大语言模型、bge-large-zh-v1.5嵌入模型和Milvus向量数据库构建本地知识库系统。文章从环境准备、模型服务部署、数据库安装到代码实现提供了完整指导，包括依赖配置、模型初始化、数据加载和聊天接口开发等关键步骤。通过RAG技术实现基于三国演义知识库的问答功能，为AI应用开发提供了实践参考。

朝阳区靓仔_James
2026-01-31 16:39:59

 788

 5

#数据库 #人工智能 #rpa +2
腾讯大模型二面：你会怎么设计一个大模型应用的后端架构？

传统 Web 后端的核心瓶颈通常在数据库——查询慢了加索引，并发高了加缓存，数据量大了分库分表，整套方法论经过十几年的打磨已经非常成熟。但当你把 LLM 引入后端架构的那一刻，这些规则就变了。一个普通的数据库查询耗时毫秒级，一次 LLM 调用动辄几秒甚至十几秒；数据库查询按次计费几乎可以忽略不计，LLM 调用按 token 收费，一个活跃用户一天的对话成本可能就是几毛到几块钱；最关键的是，数据库查

 小天才学习机打游戏
2026-05-05 20:34:04

 259

 7

#架构 #oracle #数据库 +4
Java周刊2026W31 | JDK 28 jlink插件、Java新增CSPU安全更新、Quarkus 3.37.4、Hibernate 7.4逆向工程、KotlinLLM开源

JDK 28 新增 jlink 证书裁剪插件，Quarkus 3.37.4 等多版本发布；Hibernate 7.4 逆向工程与 KotlinLLM 开源受关注，AI Agent 凭证代理与虚拟线程池化基准成热议。

右耳朵猫(whinc)
2026-08-02 16:58:36

 246

 5

#golang #milvus #开发语言
从零搭建AI日记本：Milvus向量数据库实战指南

我们的日记不仅有内容，还有日期、心情、标签等结构化字段。// 与embedding模型维度一致fields: [});这里用到了Array类型来存储标签，非常方便。向量数据库的核心概念与Milvus基本操作如何结合Embedding模型将文本向量化如何实现语义搜索和RAG问答我们构建的AI日记本只是一个起点，同样的架构可以应用到客服知识库、推荐系统、AI Agent记忆系统等众多场景。当AI拥有了

 Lg.585
2026-07-27 23:40:01

 274

 6

#人工智能 #milvus #数据库
《C++与Python的协同革命如何构建高性能且动态的跨语言应用系统》

该架构在国内外实践中已验证可将计算密集型应用的吞吐量提升300%-1000%，同时保持Python层的开发敏捷性（如某区块链项目通过C++ETH共识算法与Python智能合约解释器组合，达到2000+ TPS）。1. CPython C API：直接编写`.so`/.`pyd`扩展，适合对性能敏感的计算密集型任务，但需手动处理引用计数。- 线程级协同：C++线程与Python线程直接共享数据，需使

 lBSRSxRM
2025-10-29 09:33:19

 340

 3

#milvus
Dify + RustFS + Milvus，构建文档多语言翻译 AI Workflow

摘要本文介绍了利用Dify平台、RustFS对象存储和Milvus向量数据库搭建多语言文档翻译工作流的实践方案。通过Dify这一开源LLM应用开发平台（GitHub Star超11.6万），结合Milvus向量数据库和RustFS对象存储替代方案，实现了中文文档到英语、日语、俄语、韩语的高效AI翻译流程。文章详细说明了Dify的Docker部署配置、Milvus版本优化(2.6.0)、RustF

AI大模型啼啼
2025-10-31 21:29:51

 357

 4

#milvus #人工智能 #java +3
构建大语言模型，从入门到精通！核心第一步：构建大规模数据集，看这篇就够了！

如何构建大语言模型？我将通过一系列文章带领大家从0到1快速构建大语言模型的底层逻辑和技术体系。有了完整的知识体系，每个人可以结合自身情况和具体业务场景选择适合自己的方式开发和应用大语言模型

 Python_金钱豹
2025-11-05 15:12:18

 665

 21

#语言模型 #人工智能 #自然语言处理 +4
RAG系统学习之——基于LangChain+Milvus+Ollama+Streamlit搭建本地RAG系统

本文介绍了如何搭建一个完全本地化的RAG（检索增强生成）系统，结合LangChain、Milvus、Ollama和Streamlit等技术。系统具备文档处理、向量存储、本地大语言模型和友好交互界面，支持多种文件格式，确保数据隐私。文章详细说明了环境配置、核心代码实现、高级功能扩展和部署方案，提供了从开发到生产的一站式解决方案，适用于企业知识库、智能客服等场景，兼顾安全性和可扩展性。

Jack_abu
2025-11-18 10:47:42

 811

 10

#milvus #RAG
（强烈推荐）别再卷传统RAG了！GraphRAG + DeepSeek API，打造精准问答“最强大脑”！手把手教学

注意，2.6以后的版本对于DeepSeek的API接口都是水土不服，2.6之后官方新增了LiteLLM，由于DS现在还不兼容JSON格式，所以确实很鸡肋。

朝阳区靓仔_James
2025-11-26 10:30:23

 394

 5

#flask #python #后端 +4
硬核长文！AI Agent的“内省”与“反思”：如何将人类的解释本能，编码为机器的持续学习能力？

目前通用的Agent还没有持续学习能力。没有达到我之前提的一个标准：已经学习的内容不能损害未来的学习能力。而本文试图从人类的一些本能行为中来讨论实现这种能力的一种思路。

Python编程杰哥
2025-11-26 15:14:44

 421

 5

#人工智能 #学习 #算法 +3
你的LLM选对了吗？一半的AI产品都倒在了模型选择上！这篇指南教你避开“GPT-5”陷阱。

目前，大语言模型已从“前沿技术”演变为**产品基础设施**。无论是智能客服、知识库助手、自动化运营，还是多模态交互应用，LLM 都成为核心引擎。

程序猿李巡天
2025-11-26 14:01:31

 1160

 14

#人工智能 #算法 #milvus +1
基于MIND数据集的 Java + Python + Milvus 的简单推荐系统实战

本文展示了一个从零搭建的“简单推荐系统”完整实现方案，涵盖结构设计、算法思想及代码实践。虽然系统还不复杂，但其架构具备良好的扩展能力，完全可以作为真实项目前期系统框架。如果你正准备构建自己的推荐引擎，这个方案将是一个稳定且可持续演进的起点。

qq_46285362
2025-11-26 16:46:38

 813

 10

#milvus
探索Qt/C++皮肤生成器：打造个性化界面的神器

皮肤生成器的一大亮点，就是它能让你通过简单几步就生成一套自定义的皮肤。这对于想要打造独特界面风格的开发者来说，无疑是个福音。具体实现可能涉及到对QSS文件的一些操作，比如修改颜色值、边框样式等。

询问QQ:18080951
2025-12-05 10:30:00

 826

 6

#milvus
Milvus 实战：从安装部署到百万级向量检索的全流程 Java 代码示例

本文详细介绍了Milvus向量数据库的安装部署与Java客户端开发全流程。主要内容包括：1）使用Docker Compose快速部署Milvus服务；2）Java客户端SDK配置与依赖管理；3）核心功能实现，涵盖集合管理、数据生成与插入（支持百万级数据批量导入）、索引创建（IVF_FLAT和HNSW两种索引类型）以及向量检索；4）完整示例演示了百万级向量数据的处理流程；5）性能优化建议与常见问题解

 canjun_wen
2025-12-07 19:22:40

 742

 7

#milvus #java #eureka
Manus AI引爆AI Agent革命，大模型开发者的下一座金矿在哪里？

聚焦Manus等类似的产品创新、Agent技术前沿、下一代Agent新范式，深度探讨以下问题：1.Manus实测真实效果如何，如何评价其产品设计？2.目前AI Agent展现能力的场景有哪些？3.AI Agent在技术上哪些重大进展？4.Manus等应用为AI Agent的发展带来哪些启示？5.如何看待Agent发展的“下半场”？6.未来AI Agent需强化哪些核心能力？（根据圆桌内容整理：De

沈页
2025-12-25 16:53:18

 761

 14

#人工智能 #科技 #milvus