《向量数据库》——PyMilvus Cloud与 Embedding 模型集成

Milvus Cloud 是一款专为 AI 应用设计的开源向量数据库。无论是机器学习、深度学习还是其他与 AI 相关的项目，Milvus Cloud 向量数据库都能提供强大高效的大规模非结构化数据处理解决方案。

 

现在，Milvus Cloud 的 Python SDK——PyMilvus Cloud 中已集成模型模块，支持直接添加 Embedding 和重排（Reranker）模型，大幅简化了将数据转化为向量以及对搜索结果进行重排的流程，十分适用于检索增强生成（RAG）应用。

 

我们将通过文本回顾稠密向量 Embedding 模型、稀疏向量 Embedding 模型和 Reranker，并演示如何在轻量版 Milvus Cloud——Milvus Cloud Lite 中直接运行 Embedding 模型。

 

01.
 

稠密向量vs稀疏向量

 

在开始介绍如何直接使用 Milvus Cloud 中的 Embedding 和 Reranker 模型前，让我们先来简要回顾下 Embedding 向量的两大主要类别：

• 稠密向量：大部分维度上的元素都是非零值的高维向量，适合表征文本语义。
• 稀疏向量：大部分维度上的元素都为零的高维向量，适合精确关键词检索以及域外知识检索。

 

Milvus Cloud 支持这两种类型的 Embedding 向量，并提供混合搜索，允许用户在同一 Collection 中的多个向量字段之间进行搜索。使用不同的 Embedding 模型或采用不同的数据处理方法生成的向量不同，这些向量可以代表数据的不同特征。

 

02.

如何在Milvus Cloud 中使用