向量数据库博客

用户案例

熠智AI+Milvus:从Embedding 到数据处理、问题重写，电商AI客服架构怎么搭？

本文来自熠智 AI 的一线工程师投稿。

产品上新

官宣，Milvus开源语义高亮模型：告别饱和检索，帮RAG、agent剪枝80%上下文

RAG与agent用到深水区，一定会遇到这个问题：

技术干货

不会做RAG、agent的本地数据管理？都来学Claude Code！附深度拆解

企业级场景中，无论是做RAG还是agent，我们都会面临一个问题：出于数据隐私以及合规要求，数据必须保留在本地。但传统的本地存储方案往往存在数据隔离性差、崩溃易丢数据、配置管理混乱、操作不可撤销等问题。

技术干货

RAG不会过时，但你需要这10个上下文处理技巧|Context Engineering系列

对大部分开发者来说，搭一个RAG或者agent不难，怎么把它优化成生产可用的状态最难。

技术干货

LangChain 最新agent框架deepagents测评：长任务友好，高可控

现如今，Agent 所需要执行的任务长度每几个月翻一番，长周期任务通常涉及数十次工具调用，这会带来成本和可靠性方面的问题。

产品上新

十倍成本优化，Milvus 2.5到2.6升级官方手把手教程

不久前，Milvus 2.6 正式发布。

技术干货

Skills 取代MCP？是agent落地最大的误解

不久前，在MCP推出一周年之际，Anthropic 发了篇博客，大意是MCP工具很好，但是会让大模型把大量token浪费在定义MCP工具上。

技术干货

RAG效果要提升，先搞定高质量Context Pruning

现如今，LLM的上下文窗口长度正在经历爆发式增长。

产品上新

去重算法这么多，但模型训练最优解是MinHash LSH ｜Milvus 2.6解读

有多少“天临元年”之后毕业的研发er？