Vector Retrieval Service for Milvus:Cluster management and business verification through Skill

A Skill alibabacloud-milvus-manage permite gerenciar clusters do Milvus e validar recursos de busca por meio de comandos em linguagem natural. É possível criar clusters, configurar acesso à rede pública, gerenciar coleções e executar buscas escalares, vetoriais, de texto completo com BM25, multimodais e entre modalidades — tudo isso sem escrever código.

Pré-requisitos

• Instale a Skill alibabacloud-milvus-manage. Obtenha-a em uma das fontes abaixo:

  • GitHub

  • ClawHub

  • skills.sh

• Instale a Skill no seu cliente:

  • Install Skill in OpenClaw

  • Install Skill in Claude Code

• Configure a Alibaba Cloud Command Line Interface (CLI) e autentique sua identidade. Execute aliyun configure list para verificar sua configuração atual.

• Tenha uma Virtual Private Cloud (VPC) e um vSwitch prontos. A Skill solicitará que você selecione os recursos de rede existentes durante a execução.

• Crie as funções vinculadas ao serviço (SLRs) do Milvus. No primeiro uso, crie tanto AliyunServiceRoleForCloudMilvus quanto AliyunServiceRoleForMilvus.

Cenários suportados

A Skill alibabacloud-milvus-manage abrange oito cenários de ponta a ponta em duas categorias:

Cenário 1: Gerenciamento de cluster

Criar um cluster

Envie um comando em linguagem natural para criar uma instância do Milvus. A Skill seleciona automaticamente uma VPC e um vSwitch, configura as especificações dos componentes e chama a API de criação.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage Create a Milvus instance of version 2.6 in Hangzhou zone J with password <custom_password>

Resultado:

// Skill automatically completes VPC/VSwitch selection, component spec configuration, then calls the create API
// Response:
{"success": true, "data": {"instanceId": "c-xxxxxxxxxxxx****", "orderId": "28456242743****"}}

// Creation parameters:
// - Region: cn-hangzhou, Zone: cn-hangzhou-j
// - Version: 2.6, Spec: standalone_pro, 4 CU
// - Billing method: PayAsYouGo

Visualizar o status da instância

Após a criação, verifique o status de execução da instância, os endpoints e os detalhes das especificações.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage Check the creation status

Resultado:

// Skill calls the list API and detail API to query instance status

Instance list:
c-xxxxxxxxxxxx**** | milvus-skill-test | status=running | v=2.6

Instance details:
- Internal endpoint: c-xxxxxxxxxxxx****-internal.milvus.aliyuncs.com
- Port: 19530
- Total CUs: 4
- Instance status: running (changes from creating to running in about 3 minutes)

Ativar o acesso à rede pública

Ative o acesso à rede pública e adicione seu IP local à lista de permissões para desenvolvimento ou testes.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage Enable public network access for the cluster and add my local IP

Resultado:

// Skill automatically retrieves local IP and calls updatePublicNetworkStatus API

Public network access enabled:
- Public endpoint: c-xxxxxxxxxxxx****.milvus.aliyuncs.com:19530
- Allowlist: <local_public_IP>/32

Consultar coleções

Conecte-se à instância e inspecione todas as coleções, incluindo dados de amostra.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage Query all collections and show 3 records for each

Resultado:

// Skill connects to the instance using pymilvus and queries the collection list

Connection: MilvusClient(uri='http://c-xxxxxxxxxxxx****.milvus.aliyuncs.com:19530', token='root:***')

Collection list: [] (new instance has no collections, as expected)

Cenário 2: Validação de serviço

Os cenários de validação de serviço confirmam se o seu cluster do Milvus suporta toda a gama de tipos de busca — desde buscas escalares e vetoriais básicas até busca de texto completo com BM25 e recuperação multimodal. Cada cenário utiliza um único comando da Skill, que cuida automaticamente da criação da coleção, inserção de dados, geração de embeddings e execução da busca.

Importação e busca de texto

Importe dados textuais e valide a busca escalar, a busca vetorial (vizinho mais próximo aproximado, ou ANN) e a busca híbrida. A Skill cria uma coleção apoiada pela AI Function para gerar embeddings automaticamente, insere registros do seu arquivo e executa os três tipos de busca.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage I have a <data_file_path>/articles.jsonl
file where each line contains title, content, and embedding fields. Import it into the article_db collection;
create it if it doesn't exist. After importing, randomly construct scalar search and vector search tests based on the file content

Substitua <data_file_path> pelo caminho real do arquivo JSONL. Cada linha deve ser um objeto JSON contendo os campos title e content.

Resultado:

// Skill automatically creates article_db collection (with AI Function: text-embedding-v3, 768 dimensions)
// Inserts 10 article records (only text is provided; embeddings are generated automatically)

Collection created: article_db
  Fields: id, title, content, embedding
  AI Function: text-embedding-v3 (dim=768)

Data inserted: 10 records

Os três tipos de busca são executados automaticamente: busca escalar (correspondência exata ou difusa em valores de campo, como title like "%vector%"), busca vetorial (busca ANN por similaridade semântica) e busca híbrida (busca vetorial combinada com um filtro escalar).

// Scalar search: title like "%vector%"
Result: found "Introduction to Vector Databases"

// Vector search: "What is machine learning and deep learning"
Results:
  top1: "Summary of Machine Learning Algorithms"       (distance=0.7125)
  top2: "Natural Language Processing Technologies"       (distance=0.5164)
  top3: "Introduction to Vector Databases"         (distance=0.4779)

// Hybrid search: "database technologies" + filter='content like "%vector%"'
Results:
  top1: "Introduction to Vector Databases"         (distance=0.6001)
  top2: "Milvus Best Practices"     (distance=0.5276)

Busca de texto completo e busca híbrida

Valide a busca de texto completo com BM25 juntamente com a busca vetorial semântica em uma única coleção. A AI Function do Milvus 2.6 permite configurar simultaneamente o BM25 e um modelo de embedding — insira o texto bruto uma única vez e tanto os vetores esparsos (BM25) quanto os densos (embedding) serão gerados automaticamente.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage I want to do Chinese full-text search in Milvus. Create a new collection with title
and content text fields, use BM25 for full-text search, and add text-embedding-v3 for semantic search with
1024 dimensions. After creation, insert all data from the file, then test vector search, scalar search, full-text + embedding
hybrid search, and full-text + scalar + vector hybrid search using content from the file

Resultado:

// Skill creates hybrid_search_test collection
// Configures both BM25 Function (chinese analyzer) and text-embedding-v3 AI Function (1024 dimensions)
// Inserts 10 article records (only text is provided; BM25 sparse vectors and embedding dense vectors are generated automatically)

Collection created: hybrid_search_test
  BM25 Function: content_sparse (chinese analyzer)
  AI Function: text-embedding-v3 (dim=1024)

Data inserted: 10 records

Cinco validações de busca são executadas automaticamente, cobrindo as principais estratégias de recuperação:

• Busca vetorial — recuperação semântica usando text-embedding-v3

• Busca escalar — correspondência difusa em valores de campo

• Busca de texto completo com BM25 — recuperação por palavras-chave usando o algoritmo BM25

• Busca híbrida de texto completo e embedding — fusão de BM25 e busca vetorial com RRFRanker

• Busca híbrida tripla — BM25 + filtragem escalar + ANN vetorial, fundidos com RRFRanker

  // Vector search: "How to build a semantic search system"
  Results:
    top1: "Introduction to Vector Databases"         (distance=0.5575)
    top2: "Milvus Best Practices"     (distance=0.5402)
  
  // Scalar search: content like "%Milvus%"
  Results: found "Introduction to Vector Databases" and "Milvus Best Practices"
  
  // BM25 full-text search: "vector database semantic search"
  Results:
    top1: "Introduction to Vector Databases"         (BM25 score=13.3037)
  
  // Full-text + embedding hybrid search (RRFRanker): "deep learning and neural networks"
  Results:
    top1: "Summary of Machine Learning Algorithms"       (score=0.0328)
  
  // Three-way hybrid search (BM25 + scalar filter + vector ANN, RRFRanker):
  //   BM25="index retrieval vector", filter='title contains Milvus or vector', ANN="database indexing and retrieval technologies"
  Results:
    top1: "Introduction to Vector Databases"         (score=0.0325)
    top2: "Milvus Best Practices"     (score=0.0325)

Importação e busca de imagens

Importe imagens para o Milvus e valide a busca de texto para imagem. A Skill utiliza o modelo de embedding multimodal qwen3-vl-embedding para gerar embeddings automaticamente. Imagens de amostra estão disponíveis aqui.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage Import all images from the <image_directory_path>/banana
directory, then try searching with "yellow banana"

Substitua <image_directory_path> pelo caminho real do diretório de imagens. O servidor Milvus precisa conseguir acessar as URLs das imagens — faça o upload delas para um bucket do OSS na mesma região e utilize URLs assinadas.

Resultado:

// Skill creates multimodal_test collection
// Uses qwen3-vl-embedding multimodal model to automatically generate embeddings
// Uploads images to same-region OSS, passes signed URLs to Milvus

Collection created: multimodal_test
  Fields: id, file_path, file_type, description, mm_value, embedding
  AI Function: qwen3-vl-embedding

Data inserted: 6 records (3 banana images + 2 cat images + 1 airplane video)

// Text-to-image search: "yellow banana"
Results:
  top1: banana/img2  (distance=0.5005)
  top2: banana/img3  (distance=0.4953)
  top3: banana/img1  (distance=0.4882)

// Text-to-image search: "cute cat"
Results:
  top1: cat2         (distance=0.5265)
  top2: cat1         (distance=0.4893)

Busca entre modalidades

Importe imagens e vídeos conjuntamente e valide a recuperação entre modalidades, incluindo buscas de imagem para imagem e de imagem para vídeo.

Exemplo de comando da Skill:

/alibabacloud-milvus-manage First import 2 files from the tiger_cat directory and airplane1.mp4 into the database,
then use any file from tiger_cat to search for similar product images and return the top 3. Then use an image to search for similar videos

Resultado:

// Image-to-image search: search similar images using cat1 image URL
Results:
  top1: cat1         (distance=0.9996)
  top2: cat2         (distance=0.9476)
  top3: banana/img1  (distance=0.7483)

// Image-to-video search: search using cat1 image URL + filter='file_type=="video"'
Results:
  top1: airplane.mp4 (distance=0.7180)