向量数据库博客

技术干货

Milvus Week｜开源，Milvus 2.6功能预览：内存减少 72%，速度比ES快4倍

了解 Milvus 2.6 的重要更新：通过 RabitQ 量化减少 72% 内存，搜索速度比 ElasticSearch 快 4 倍。体验增强的搜索功能，如短语匹配和时间衰减排序，以及支持冷热数据分层和实时流处理的架构优化，打造更高效的向量数据库解决方案。

技术干货

Response指南：为什么90%的多模态RAG，一做就会，一用就废？

探索多模态RAG如何结合向量数据库与评估工具提升大模型准确性，了解TruLens三大核心评估指标，掌握X-ray Insight医疗问答系统实战案例，优化检索增强生成系统的可靠性与落地效果。

技术干货

为什么向量数据库不需要SQL

了解自然语言如何革新数据库查询方式。认识向量数据库在AI时代的优势，分析SQL的局限性。掌握Agent调度技术如何实现智能检索。探索未来数据库发展方向，提升数据处理效率。立即行动以应对技术变革。

技术干货

最新｜用Qwen3 Embedding+Milvus，搭建最强企业知识库

学习使用Qwen3-Embedding和Qwen3-Reranker搭建高效RAG系统。掌握两阶段检索设计，提升召回与排序精度。了解模型在多语言任务中的卓越表现。实践本地部署轻量级方案，优化智能搜索与客服应用。

技术干货

低内存、高召回， DiskANN才是低成本实现十亿级向量搜索更优解

了解DiskANN如何通过SSD存储和Vamana算法实现高效十亿级向量检索，降低75%成本同时保持95%准确率。掌握其在Milvus中的集成方法，学习如何构建索引并优化搜索性能。

技术干货

从BGE到 CLIP，从文本到多模态，Embedding 模型选型终极指南

了解embedding模型在RAG和推荐系统中的关键作用。掌握六步评估框架，根据任务需求和数据特性选择合适模型。测试性能并优化部署方案，确保业务场景的最佳适配。持续关注技术迭代以保持竞争力。

技术干货

Milvus week | 官宣：Milvus2.6发布MinHash LSH ，低成本去重百亿文档，加速大模型训练

重视数据质量，避免重复冗余内容影响大模型训练效果。运用 MinHash LSH 技术在 Milvus 2.6 中实现高效去重，提升训练性能并降低计算成本。立即尝试构建智能数据预处理流程！

技术干货

Milvus Week | Kafka 很好， Pulsar也不错，但WoodPecker才是未来

告别 Kafka 和 Pulsar，Milvus 2.6 全面引入自研 WAL 系统 Woodpecker 与 Streaming Service，优化对象存储写入延迟，降低运维复杂度与系统成本，提升实时性和系统弹性。了解新架构如何应对 AI 搜索场景下的实时挑战。

技术干货

Milvus Week | 脱离生产环境的Benchmark ，谁信谁就输了

了解VDBBench如何颠覆传统向量数据库性能测试方法。掌握真实数据、工作负载和测试方式三大核心设计理念。探索静态搜索、元数据过滤和流式场景的全面评测方案。用科学Benchmark终结行业刷榜乱象，选择真正可靠的向量数据库。