分類 - Vector Retrieval Service for Milvus - Alibaba Cloud ドキュメントセンター

AI_CLASSIFY は、候補ラベルのセットから、テキスト、画像、または動画に最も一致するラベルを選択します。チケットルーティング、コンテンツモデレーション、または製品カテゴリのタグ付けに使用できます。コレクション関数として設定すると、AI_CLASSIFY はデータ書き込み時に分類フィールドを自動的に入力します。

コマンド形式

REST API を呼び出してコンテンツを直接分類するか、コレクション関数を設定して書き込み時にデータを自動的に分類できます。REST API は 2 つのエンドポイントをサポートしています：

/v2/vectordb/ai/text_transform — リクエストボディに "task": "ai_classify" を含めます。
/v2/vectordb/ai/classify — task フィールドは不要です。

REST API

入力コンテンツを分類するには、次のリクエストを送信します：

POST /v2/vectordb/ai/text_transform
Content-Type: application/json

{
  "model_name": "<model name>",
  "task": "ai_classify",
  "texts": ["<text or media URL>"],
  "params": {"labels": ["<label1>", "<label2>"]}
}

Python

データ書き込み時にコンテンツを自動的に分類するコレクション関数を定義します：

schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
schema.add_field("id", DataType.INT64, is_primary=True)
schema.add_field("content", DataType.VARCHAR, max_length=4096)
schema.add_field("category", DataType.VARCHAR, max_length=64)
schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=2)
schema.add_function(
    Function(
        name="classify_content",
        function_type=texttransform_function_type(),
        input_field_names=["content"],
        output_field_names=["category"],
        params={
            "provider": "aliyun_milvus",
            "model_name": "<model name>",
            "task": "ai_classify",
            "labels": "accounts,inquiries,faults,billing",
            "prompt": "Classify by the topic of the customer's question.",
            "temperature": "0",
            "max_concurrency": "2",
        },
    )
)

パラメータ

パラメータ	説明
`model_name`	必須。モデル名です。画像および動画の場合は、設定済みのマルチモーダルモデル (例： `qwen3.7-plus`) を選択してください。
`texts`	REST API では必須。分類するコンテンツ、または画像/動画の URL です。
`labels`	必須。候補ラベルです。JSON の文字列配列、またはカンマ区切り文字列として指定してください。2～20 個のラベルをサポートしています。
`prompt`	任意。補足のルーティングルールです (最大 5,000 文字)。`${...}` はサポートされていません。
`media_type`	任意。入力がメディア URL であることを示すために、`image` または `video` を設定してください。
`temperature` / `max_concurrency` / `timeout_sec`	任意。モデルの安定性、同時実行数、タイムアウトを制御します。動画の分類は時間がかかります。タイムアウトを回避するため、`timeout_sec` は 300 以上に設定してください。
`provider` / `task`	コレクション関数の場合のみ必須。固定値：`aliyun_milvus` および `ai_classify`。

戻り値

data.output.outputs は、入力と同じ順序でラベルテキストを返します。返される内容はラベル自体のみです。スキーマは、ラベルを対象のテキストフィールドに書き込みます。

例 1：カスタマーチケットの自動ルーティング (テキスト)

カスタマーサービスシステムでは、障害チケットと問い合わせチケットを異なるキューにルーティングする必要があります。統合エンドポイント /v2/vectordb/ai/text_transform を呼び出す場合は、リクエストのトップレベルに task を追加してください。

REST API

#!/usr/bin/env bash
set -euo pipefail

MILVUS_REST_BASE_URL="http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_AUTH_TOKEN="<yourUsername>:<yourPassword>"

post_json() {
  local path="$1"
  local body="$2"
  curl -X POST \
    "$MILVUS_REST_BASE_URL$path" \
    -H "Authorization: Bearer $MILVUS_AUTH_TOKEN" \
    -H "Content-Type: application/json" \
    -d "$body"
}

BODY=$(cat <<'JSON'
{
  "model_name": "qwen3.7-max",
  "task": "ai_classify",
  "texts": [
    "Cannot log in to the Milvus console; verification code error keeps appearing.",
    "How do I enable public network access for a Serverless Milvus instance?"
  ],
  "params": {
    "labels": ["accounts", "inquiries", "faults", "billing"],
    "prompt": "Classify by the topic of the customer's question.",
    "temperature": 0,
    "max_concurrency": 2
  }
}
JSON
)
RESPONSE_BODY="$(post_json "/v2/vectordb/ai/text_transform" "$BODY")"
if command -v jq >/dev/null 2>&1; then
  echo "$RESPONSE_BODY" | jq .
  [ "$(echo "$RESPONSE_BODY" | jq -r '.code // -1')" = "0" ] || exit 1
else
  echo "$RESPONSE_BODY"
fi

Python

from __future__ import annotations

from typing import Any

from pymilvus import DataType, Function, FunctionType, MilvusClient

MILVUS_URI = "http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_TOKEN = "<yourUsername>:<yourPassword>"

DUMMY_VECTOR_DIM = 2
TEXTTRANSFORM_FUNCTION_TYPE = 9

def texttransform_function_type() -> Any:
    for type_name in ("TEXTTRANSFORM", "TEXT_TRANSFORM", "TextTransform"):
        function_type = getattr(FunctionType, type_name, None)
        if function_type is not None:
            return function_type
    # Alibaba Cloud Milvus は、マネージド拡張機能 (関数タイプの値は 9) として TEXTTRANSFORM を提供します。
    # 一部の pymilvus バージョンにはこの enum メンバーは含まれていませんが、Function(...) は FunctionType(...) を通じて検証します。
    existing = getattr(FunctionType, "_value2member_map_", {}).get(TEXTTRANSFORM_FUNCTION_TYPE)
    if existing is not None:
        return existing
    extension = int.__new__(FunctionType, TEXTTRANSFORM_FUNCTION_TYPE)
    extension._name_ = "TEXTTRANSFORM"
    extension._value_ = TEXTTRANSFORM_FUNCTION_TYPE
    FunctionType._value2member_map_[TEXTTRANSFORM_FUNCTION_TYPE] = extension
    FunctionType._member_map_["TEXTTRANSFORM"] = extension
    return extension

def add_id(schema: Any) -> None:
    schema.add_field("id", DataType.INT64, is_primary=True)

def add_dummy_vector(schema: Any) -> None:
    schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=DUMMY_VECTOR_DIM)

def run_texttransform_example(*, client, collection_name, input_fields, output_field, function_name, function_params, rows) -> None:
    if client.has_collection(collection_name):
        client.drop_collection(collection_name)
    schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
    add_id(schema)
    for name, data_type, max_length in input_fields:
        field_params = {"max_length": max_length} if max_length is not None else {}
        schema.add_field(name, data_type, **field_params)
    output_name, output_data_type, output_max_length = output_field
    output_params = {"max_length": output_max_length} if output_max_length is not None else {}
    schema.add_field(output_name, output_data_type, **output_params)
    add_dummy_vector(schema)
    schema.add_function(
        Function(
            name=function_name,
            function_type=texttransform_function_type(),
            input_field_names=[name for name, _, _ in input_fields],
            output_field_names=[output_name],
            params=function_params,
        )
    )
    index_params = client.prepare_index_params()
    index_params.add_index(field_name="dummy_vector", index_type="AUTOINDEX", metric_type="COSINE")
    client.create_collection(collection_name=collection_name, schema=schema, index_params=index_params)
    client.insert(collection_name, rows)
    client.flush(collection_name)
    fields = [name for name, _, _ in input_fields] + [output_name]
    for row in client.query(collection_name, filter="", output_fields=fields, limit=len(rows)):
        print(row)

client = MilvusClient(uri=MILVUS_URI, token=MILVUS_TOKEN)

run_texttransform_example(
    client=client,
    collection_name="simple_ai_classify",
    input_fields=[("content", DataType.VARCHAR, 4096)],
    output_field=("category", DataType.VARCHAR, 64),
    function_name="simple_ai_classify_fn",
    function_params={"provider": "aliyun_milvus", "model_name": "qwen3.7-max", "task": "ai_classify", "labels": "accounts,inquiries,faults,billing", "prompt": "Classify by the topic of the customer's question.", "temperature": "0", "max_concurrency": "2"},
    rows=[{"content": "Cannot log in to the Milvus console; verification code error keeps appearing.", "dummy_vector": [0.1, 0.2]}, {"content": "How do I enable public network access for a Serverless Milvus instance?", "dummy_vector": [0.1, 0.2]}],
)

想定される結果：REST では各入力に対して候補ラベルが 1 つ返されます (テストでは accounts と inquiries)。Python のレコードでは、category フィールドに対応する候補ラベルが格納されます。ログインおよび検証コードの問題は、モデルの判断に応じて accounts または faults にルーティングされます。

例 2：製品画像の分類 (画像)

コンテンツモデレーションシステムでは、画像を clothing、food、landscape、または animal のカテゴリに自動的に割り当てる必要があります。

REST API

#!/usr/bin/env bash
set -euo pipefail

MILVUS_REST_BASE_URL="http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_AUTH_TOKEN="<yourUsername>:<yourPassword>"

post_json() {
  local path="$1"
  local body="$2"
  curl -X POST \
    "$MILVUS_REST_BASE_URL$path" \
    -H "Authorization: Bearer $MILVUS_AUTH_TOKEN" \
    -H "Content-Type: application/json" \
    -d "$body"
}

BODY=$(cat <<JSON
{"model_name":"qwen3.7-plus","texts":["https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260415/hynnff/wan-video-edit-clothes.webp"],"params":{"media_type":"image","labels":["clothing","food","landscape","animal"],"temperature":0}}
JSON
)
RESPONSE_BODY="$(post_json "/v2/vectordb/ai/classify" "$BODY")"
if command -v jq >/dev/null 2>&1; then
  echo "$RESPONSE_BODY" | jq .
  [ "$(echo "$RESPONSE_BODY" | jq -r '.code // -1')" = "0" ] || exit 1
else
  echo "$RESPONSE_BODY"
fi

Python

from __future__ import annotations

from typing import Any

from pymilvus import DataType, Function, FunctionType, MilvusClient

MILVUS_URI = "http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_TOKEN = "<yourUsername>:<yourPassword>"

DUMMY_VECTOR_DIM = 2
TEXTTRANSFORM_FUNCTION_TYPE = 9

def texttransform_function_type() -> Any:
    for type_name in ("TEXTTRANSFORM", "TEXT_TRANSFORM", "TextTransform"):
        function_type = getattr(FunctionType, type_name, None)
        if function_type is not None:
            return function_type
    # Alibaba Cloud Milvus は、マネージド拡張機能 (関数タイプの値は 9) として TEXTTRANSFORM を提供します。
    # 一部の pymilvus バージョンにはこの enum メンバーは含まれていませんが、Function(...) は FunctionType(...) を通じて検証します。
    existing = getattr(FunctionType, "_value2member_map_", {}).get(TEXTTRANSFORM_FUNCTION_TYPE)
    if existing is not None:
        return existing
    extension = int.__new__(FunctionType, TEXTTRANSFORM_FUNCTION_TYPE)
    extension._name_ = "TEXTTRANSFORM"
    extension._value_ = TEXTTRANSFORM_FUNCTION_TYPE
    FunctionType._value2member_map_[TEXTTRANSFORM_FUNCTION_TYPE] = extension
    FunctionType._member_map_["TEXTTRANSFORM"] = extension
    return extension

def add_id(schema: Any) -> None:
    schema.add_field("id", DataType.INT64, is_primary=True)

def add_dummy_vector(schema: Any) -> None:
    schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=DUMMY_VECTOR_DIM)

def run_texttransform_example(*, client, collection_name, input_fields, output_field, function_name, function_params, rows) -> None:
    if client.has_collection(collection_name):
        client.drop_collection(collection_name)
    schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
    add_id(schema)
    for name, data_type, max_length in input_fields:
        field_params = {"max_length": max_length} if max_length is not None else {}
        schema.add_field(name, data_type, **field_params)
    output_name, output_data_type, output_max_length = output_field
    output_params = {"max_length": output_max_length} if output_max_length is not None else {}
    schema.add_field(output_name, output_data_type, **output_params)
    add_dummy_vector(schema)
    schema.add_function(
        Function(
            name=function_name,
            function_type=texttransform_function_type(),
            input_field_names=[name for name, _, _ in input_fields],
            output_field_names=[output_name],
            params=function_params,
        )
    )
    index_params = client.prepare_index_params()
    index_params.add_index(field_name="dummy_vector", index_type="AUTOINDEX", metric_type="COSINE")
    client.create_collection(collection_name=collection_name, schema=schema, index_params=index_params)
    client.insert(collection_name, rows)
    client.flush(collection_name)
    fields = [name for name, _, _ in input_fields] + [output_name]
    for row in client.query(collection_name, filter="", output_fields=fields, limit=len(rows)):
        print(row)

client = MilvusClient(uri=MILVUS_URI, token=MILVUS_TOKEN)

run_texttransform_example(
    client=client,
    collection_name="simple_ai_classify_image",
    input_fields=[("image_url", DataType.VARCHAR, 4096)],
    output_field=("category", DataType.VARCHAR, 64),
    function_name="simple_ai_classify_image_fn",
    function_params={"provider": "aliyun_milvus", "model_name": "qwen3.7-plus", "task": "ai_classify", "media_type": "image", "labels": "clothing,food,landscape,animal", "temperature": "0"},
    rows=[{"image_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260415/hynnff/wan-video-edit-clothes.webp", "dummy_vector": [0.1, 0.2]}],
)

想定される結果：category は clothing、food、landscape、または animal のいずれかを返します (テストでは clothing)。

例 3：動画素材の分類 (動画)

動画運用チームでは、fashion、sports、travel、animation のカテゴリで素材をフィルタリングする必要があります。動画推論は時間がかかります。timeout_sec は 300 以上に設定してください。

REST API

#!/usr/bin/env bash
set -euo pipefail

MILVUS_REST_BASE_URL="http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_AUTH_TOKEN="<yourUsername>:<yourPassword>"

post_json() {
  local path="$1"
  local body="$2"
  curl -X POST \
    "$MILVUS_REST_BASE_URL$path" \
    -H "Authorization: Bearer $MILVUS_AUTH_TOKEN" \
    -H "Content-Type: application/json" \
    -d "$body"
}

BODY=$(cat <<JSON
{"model_name":"qwen3.7-plus","texts":["https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260409/dozxak/Wan_Video_Edit_33_1.mp4"],"params":{"media_type":"video","labels":["fashion","sports","travel","animation"],"temperature":0,"timeout_sec":300}}
JSON
)
RESPONSE_BODY="$(post_json "/v2/vectordb/ai/classify" "$BODY")"
if command -v jq >/dev/null 2>&1; then
  echo "$RESPONSE_BODY" | jq .
  [ "$(echo "$RESPONSE_BODY" | jq -r '.code // -1')" = "0" ] || exit 1
else
  echo "$RESPONSE_BODY"
fi

Python

from __future__ import annotations

from typing import Any

from pymilvus import DataType, Function, FunctionType, MilvusClient

MILVUS_URI = "http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_TOKEN = "<yourUsername>:<yourPassword>"

DUMMY_VECTOR_DIM = 2
TEXTTRANSFORM_FUNCTION_TYPE = 9

def texttransform_function_type() -> Any:
    for type_name in ("TEXTTRANSFORM", "TEXT_TRANSFORM", "TextTransform"):
        function_type = getattr(FunctionType, type_name, None)
        if function_type is not None:
            return function_type
    # Alibaba Cloud Milvus は、マネージド拡張機能 (関数タイプの値は 9) として TEXTTRANSFORM を提供します。
    # 一部の pymilvus バージョンにはこの enum メンバーは含まれていませんが、Function(...) は FunctionType(...) を通じて検証します。
    existing = getattr(FunctionType, "_value2member_map_", {}).get(TEXTTRANSFORM_FUNCTION_TYPE)
    if existing is not None:
        return existing
    extension = int.__new__(FunctionType, TEXTTRANSFORM_FUNCTION_TYPE)
    extension._name_ = "TEXTTRANSFORM"
    extension._value_ = TEXTTRANSFORM_FUNCTION_TYPE
    FunctionType._value2member_map_[TEXTTRANSFORM_FUNCTION_TYPE] = extension
    FunctionType._member_map_["TEXTTRANSFORM"] = extension
    return extension

def add_id(schema: Any) -> None:
    schema.add_field("id", DataType.INT64, is_primary=True)

def add_dummy_vector(schema: Any) -> None:
    schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=DUMMY_VECTOR_DIM)

def run_texttransform_example(*, client, collection_name, input_fields, output_field, function_name, function_params, rows) -> None:
    if client.has_collection(collection_name):
        client.drop_collection(collection_name)
    schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
    add_id(schema)
    for name, data_type, max_length in input_fields:
        field_params = {"max_length": max_length} if max_length is not None else {}
        schema.add_field(name, data_type, **field_params)
    output_name, output_data_type, output_max_length = output_field
    output_params = {"max_length": output_max_length} if output_max_length is not None else {}
    schema.add_field(output_name, output_data_type, **output_params)
    add_dummy_vector(schema)
    schema.add_function(
        Function(
            name=function_name,
            function_type=texttransform_function_type(),
            input_field_names=[name for name, _, _ in input_fields],
            output_field_names=[output_name],
            params=function_params,
        )
    )
    index_params = client.prepare_index_params()
    index_params.add_index(field_name="dummy_vector", index_type="AUTOINDEX", metric_type="COSINE")
    client.create_collection(collection_name=collection_name, schema=schema, index_params=index_params)
    client.insert(collection_name, rows)
    client.flush(collection_name)
    fields = [name for name, _, _ in input_fields] + [output_name]
    for row in client.query(collection_name, filter="", output_fields=fields, limit=len(rows)):
        print(row)

client = MilvusClient(uri=MILVUS_URI, token=MILVUS_TOKEN)

run_texttransform_example(
    client=client,
    collection_name="simple_ai_classify_video",
    input_fields=[("video_url", DataType.VARCHAR, 4096)],
    output_field=("category", DataType.VARCHAR, 64),
    function_name="simple_ai_classify_video_fn",
    function_params={"provider": "aliyun_milvus", "model_name": "qwen3.7-plus", "task": "ai_classify", "media_type": "video", "labels": "fashion,sports,travel,animation", "temperature": "0", "timeout_sec": "300"},
    rows=[{"video_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260409/dozxak/Wan_Video_Edit_33_1.mp4", "dummy_vector": [0.1, 0.2]}],
)

想定される結果：category は fashion、sports、travel、または animation のいずれかを返します (テストでは animation)。{"code":10001,"message":"request timeout"} が返された場合は、timeout_sec の値を増やしてください。