Milvus - 开源向量数据库与混合检索引擎

Milvus 是什么

Milvus 是开源向量数据库，面向语义搜索、RAG、推荐系统和图像、音频等多模态检索场景。它可存储高维向量与结构化字段，并提供近似最近邻检索、过滤、分组和重排序等能力。

适合哪些工作

• RAG 与知识库：把文档切片、向量和元数据放入同一检索链路，再结合关键词召回提高专有名词、型号和精确短语的命中率。
• 混合搜索：在同一集合中组合稠密向量、BM25 稀疏检索与 RRF 或加权排序，减少双引擎同步和应用侧分数融合。
• 多模态检索：按文本、图像或音频向量召回相似内容，并通过分类、时间、权限等字段过滤。
• 结果去重与业务排序：按品牌、文档或类别分组，再把评分、价格和热度等规则放进检索后的重排序阶段。

如何开始使用

1. 先梳理数据字段：原文、唯一 ID、向量、过滤字段和需要展示的字段。
2. 用一小段真实数据建立集合，选择与业务相符的向量维度与距离度量。
3. 准备真实用户查询集，同时观察召回质量、延迟、内存和过滤后的结果。
4. 若要使用混合检索，再分别检查关键词、向量和融合结果，而不是只看单一路召回。
5. 上线前验证数据增量、备份恢复、权限、监控与容量扩展策略。

选型提示

Milvus 更适合向量与混合召回占核心位置的应用。若系统依赖复杂聚合、成熟全文检索生态或大量既有 Elasticsearch 运维能力，建议并行跑基准测试后再决定迁移范围，而不是只根据单项性能做判断。

常见问题

Milvus 是搜索引擎吗？

它以向量检索为核心，也支持关键词和混合检索；是否替代现有搜索系统取决于查询、聚合、分析和生态依赖。

需要先准备 Embedding 吗？

向量检索需要把内容转为向量，通常由 Embedding 模型生成；同时可保留文本和元数据用于关键词检索与过滤。

混合检索一定优于单一向量检索吗？

不一定。它更适合既有语义意图又包含精确实体、型号或专业词的查询，应通过真实查询集验证收益。

能直接用于生产吗？

可以作为生产数据库部署，但索引选择、容量、备份、监控、权限和版本兼容性都需要按官方文档与实际负载规划。