向量数据库博客

技术干货

混合检索系列之：Milvus 地理几何字段与 R-Tree 索引技术详解

在向量数据库的工程实践中，处理多模态数据，特别是结合地理位置（LBS）与非结构化语义数据，一直是一个复杂的架构挑战。

技术干货

Skills 比MCP好在哪儿？如何用Milvus-Skills 搭建知识库

Agent很好，但要做好工具调用能才能跑得通。

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

都有混合检索与智能路由了，谁还在给RAG赛博哭坟？

最近一年，互联网上各种为RAG赛博哭坟的帖子不胜枚举。

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。