向量数据库 embedding如何操作
将向量存储在数据库中通常被称为“向量数据库”或“嵌入式数据库”。在使用这种数据库时，您通常会涉及以下操作：
插入向量：将向量插入到数据库中，通常需要指定一个唯一的标识符作为向量的主键。
查询相似向量：通过计算向量之间的相似度（通常使用余弦相似度或欧氏距离等度量方法），从数据库中检索与给定向量最相似的向量。
更新向量：更新数据库中存储的向量的数值或属性。
删除向量：从数据库中删除特定向量。
索引：为快速检索和相似性计算构建索引，以加速查询操作。
实际操作时，您可以考虑使用专门设计的向量数据库（如Milvus、Faiss等）来处理这些向量操作，这些数据库通常提供高效的向量存储和相似性搜索功能，并且支持各种向量操作接口。
技术干货
门槛一降再降，易用性大幅提升！Milvus 2.2.12 持续升级中
一句话总结 Milvus 2.2.12 ：低门槛、高可用、强性能。
2023-7-27
技术干货
LangChain 查询使用指「北」
LangChain 是一种 AI 代理工具，可以为以 ChatGPT 为代表的额大语言模型（LLM）增添更多功能。此外，LangChain 还具备 token 和上下文管理功能。本文主要通过查询 GPT 和查询文档两个示例介绍如何使用 LangChain。
2023-5-30
技术干货
重磅版本发布｜三大关键特性带你认识 Milvus 2.2.9 ：JSON、PartitionKey、Dynamic Schema
随着 LLM 的持续火爆，众多应用开发者将目光投向了向量数据库领域，而作为开源向量数据库的领先者，Milvus 也充分吸收了大量来自社区、用户、AI 从业者的建议，把重心投入到了开发者使用体验上，以简化开发者的使用门槛。
2023-6-5