向量数据库博客

技术干货

Hugging Face轻量化框架Candle实战｜基于Rust，比PyTorch配置简单

PyTorch很好，但配置起来太复杂，不妨试试Hugging Face 推出的Candle，部署更简单，与PyTorchAPI相似，还可以节省至少90%的环境配置时间，5分钟就能构建RAG应用。

技术干货

Claude Code与Gemini放弃代码索引，是一步烂棋

最近，围绕AI IDE到底要不要用RAG做代码检索，行业已经吵翻了。

技术干货

Zilliz Cloud功能上新：智能扩缩容上线， SSO 、Audit Log再升级

好消息， Zilliz Cloud 8月份功能升级正式完成！在这个版本中：1.我们发布了最新的智能自动扩缩容功能; 2.已有的SSO 、Audit Log功能迎来再升级; 3.此外，开源的Milvus 2.6 的所有功能，也在此次Zilliz Cloud功能升级中迎来内测（如有需要，可联系对口销售即可开通）。

技术干货

企业级RAG教程 | langchain+AWS Bedrock+Zilliz，适合80%企业

放眼当下，RAG已经成了90%企业落地大模型的技术首选。但问题是，从LLM到embedding到框架，再到向量数据库，基础组件已经多到不胜枚举。于是一个尴尬的情况出现了：教程和组件都很好，但就是和企业的已有资源不搭。比如，许多企业业务都跑在AWS这样的云平台上，因此，如何基于现有云平台构建一整套可落地的RAG系统变得尤为关键。 本文将基于AWS Bedrock+Nova模型+Titan Embeddings+Zilliz Cloud+LangChain，为大家带来一套可以快速上手并落地的企业级RAG教程。

技术干货

实操|MCP+AWS Kiro+ Milvus，我的AI IDE终于不降智了

了解Kiro等AI编程工具如何结合Milvus的Code Context实现智能代码检索，通过语义搜索提升开发效率。掌握这些工具的部署方法，利用向量数据库技术优化编程工作流程。

用户案例

Milvus × 联想：向量数据库如何让制造业库存周转率提升10%

借助向量数据库高效管理制造业海量非结构化物料数据，实现智能分类、精准匹配和决策辅助，提升库存周转率10%及复盘效率20%，优化供应链管理流程。

技术干货

ES vs Milvus vs PG vector :LLM时代的向量数据库选型指南

根据业务场景（RAG、推荐系统、图像/代码搜索）选择功能匹配的向量数据库，重点评估查询延迟、吞吐量、召回率等性能指标，考察工具链完整性、开源生态和落地案例。优先考虑多模态支持、可扩展架构及实际应用验证。

用户案例

招聘 × 推荐：美版Boss直聘如何用Zilliz支撑超800万招聘JD的动态匹配

了解Jobright.ai如何利用Zilliz Cloud解决AI招聘中的动态数据、高并发和多向量查询挑战。实现50毫秒响应、零数据库管理成本和全球化弹性扩展。通过实时更新和高级筛选功能，打造高性能招聘平台。

技术干货

官宣：Milvus 2.6引入多语言分析器，全文搜索再升级，助力业务全球化

Milvus 2.6全新推出多语言分析器功能，助力提升跨语言全文检索体验。了解如何配置专属分词器，实现智能语言识别与精准搜索。通过Python代码示例快速掌握多语言集合创建与查询技巧。立即升级您的搜索系统，拥抱全球化数据挑战！