全部產品
Search

搜尋本產品

    Vector Retrieval Service for Milvus：AI Function

    文件中心

    Vector Retrieval Service for Milvus：AI Function

    更新時間：Aug 04, 2026

    Milvus AI Function 將模型調用封裝為 Collection Function 和 REST 介面，您可以在資料寫入、檢索或商務服務中處理文本、圖片、視頻和音頻，而無需分別維護模型調用鏈路。覆蓋向量化、重排序、內容理解與產生、媒體產生、批量任務和安全檢測等常見 AI 情境。

    應用情境

    • 多模態檢索與 RAG：為文本、圖片和視頻產生向量，召回候選內容後再重排序。

    • 內容理解與加工：產生標題、翻譯、摘要、分類、情感分析、關鍵詞、實體和結構化標籤。

    • 媒體生產：轉寫客服錄音，編輯商品圖片，或建立並查詢視頻產生任務。

    • 批量與安全治理：對歷史素材發起非同步批量推理，並在模型調用的輸入或輸出階段啟用安全檢測。

    架構

    輸入資料與模型服務共同進入 Milvus AI Function 能力層；能力層按函數類型返迴向量、結構化資訊、產生文本或媒體 URL，供搜尋、內容生產和業務系統使用。

    支援的 AI Function

    下表列出當前文檔目錄中的全部函數。模型列列出模型類型及代表模型；實際可用模型以服務端 Provider 配置為準。

    AI Function

    描述

    輸入模態

    支援的模型類型/代表模型

    向量化

    將內容轉換為稠密向量，用於語義檢索、RAG、聚類、推薦和圖文檢索。

    文本、圖片、視頻

    文本 Embedding:text-embedding-v4；多模態 Embedding:qwen3-vl-embedding、tongyi-embedding-vision-plus。

    向量化緩衝

    為重複文本複用 Redis 精確緩衝中的向量，降低向量化延遲和模型用量。

    文本

    文本 Embedding:text-embedding-v4、text-embedding-v3。

    重排序

    為 Query 與已召回的候選文本、圖片或視頻打分並重排序。

    文本、圖片、視頻

    文本重排序：qwen3-rerank；多模態重排序：qwen3-vl-rerank。

    文本產生

    根據 Prompt 按行產生標題、文案、標籤或欄位補全結果。

    文本

    文本模型：qwen3.7-max、deepseek-v4-pro、deepseek-v4-flash。

    翻譯

    將文本翻譯為指定目標語言。

    文本

    文本模型：qwen3.7-max、deepseek-v4-pro、deepseek-v4-flash。

    相似性

    比較成對文本的語義相似性，返回 0~1 分數。

    文本

    文本模型：qwen3.7-max、deepseek-v4-pro、deepseek-v4-flash。

    敏感資訊脫敏

    識別並掩碼文本中的個人敏感資訊。

    文本

    文本模型：qwen3.7-max、deepseek-v4-pro、glm-5.2。

    摘要

    將文本、圖片或視頻壓縮為簡潔摘要。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    資訊抽取

    按給定標籤從內容中抽取結構化欄位並返回 JSON。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    具名實體識別

    抽取人名、組織、地點、時間、金額等具名實體並返回 JSON。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    關鍵詞提取

    從內容中提取代表性關鍵詞並返回 JSON。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    分類

    在候選標籤中選擇與內容最匹配的一類。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    情感分析

    從候選情感類別中選擇最匹配的一類。

    文本、圖片、視頻

    文本模型：qwen3.7-max；多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6。

    多模態產生

    根據文本、圖片、視頻或音頻產生文本結果。

    文本、圖片、視頻、音頻

    多模態模型：qwen3.7-plus、qwen3.6-plus、kimi-k2.6；音頻轉寫：qwen3-asr-flash。

    音頻轉寫

    將音頻 URL 轉寫為可檢索文本。

    音頻

    語音辨識模型：qwen3-asr-flash。

    圖片編輯

    根據圖片和提示詞產生編輯後的圖片 URL。

    文本、圖片

    映像產生模型：wan2.7-image-pro、wan2.7-image。

    視頻產生與編輯

    提交文生視頻、圖生視頻或視頻編輯任務，並非同步擷取結果視頻 URL。

    文本、圖片、視頻

    視頻模型：happyhorse-1.1-t2v、happyhorse-1.1-i2v、happyhorse-1.0-video-edit。

    批量推理

    將 JSONL 中的 Chat Completions 請求提交為非同步批量任務，輪詢並下載輸出或錯誤檔案。

    文本、圖片、視頻、音頻

    文本模型：qwen3.7-max；視覺模型：qwen3-vl-plus；全模態模型：qwen3.5-omni-plus。

    資料檢測

    在模型調用的輸入、輸出或兩個階段檢查不安全內容。

    文本

    使用當前 TextTransform 調用的文本模型，例如 qwen3.7-max、deepseek-v4-pro。

    使用方式

    • Collection Function：將函數配置到 Collection Schema，適合在寫入、檢索或搜尋階段自動執行。

    • REST 介面：適合由商務服務即時調用；每個函數頁均提供 cURL 與 Python 樣本。

    • 非同步任務:AI_BATCH 和 AI_VIDEO_EDIT 返回任務標識，必須查詢至終態後讀取輸出或下載結果。

    選擇建議

    • 需要檢索：先使用 AI_EMBEDDING，再按需要使用 AI_RERANK；重複文本可啟用 AI_EMBEDDING_CACHE。

    • 需要理解內容：按目標選擇摘要、抽取、實體、關鍵詞、分類、情感或多模態產生函數。

    • 需要產生媒體：圖片使用 AI_IMAGE_EDIT，視頻使用 AI_VIDEO_EDIT；大規模離線處理使用 AI_BATCH。

    • 需要處理敏感內容：在 TextTransform 請求或 Function 參數中啟用 data_inspection。