向量数据库相关 AI 资讯

AITOP

8月22日

00:33

Milvus@milvusio

精选

Zilliz宣布Milvus 3.0版本发布，集成了全文和语义搜索功能，支持混合检索、分组、模式灵活性和搜索效率。与Elasticsearch对比，Milvus 3.0在同一数据集、嵌入、分析器和计算资源下表现更优。

推荐理由：Zilliz新发布的Milvus 3.0版本，集成了全文和语义搜索，与Elasticsearch相比有优势，值得一试。

原文

8月19日

01:20

Milvus@milvusio

77°

Milvus 3.0 Storage V3 引入 Manifest 作为数据集的版本化事实来源。该功能解决了 Parquet 文件无法独立表明所属数据集版本及适用删除操作的问题。Manifest 统一管理文件版本、Schema、统计信息和索引，为存储层提供更清晰的契约。这减少了多模态 AI 基础设施中不必要的重复数据拷贝。

AI产品 Milvus Manifest 向量数据库

推荐理由：Milvus 3.0 推 Manifest，解决多路径数据版本混乱问题。

原文

8月14日

03:00

Qdrant@qdrant_engine

精选

拜耳用 Qdrant Hybrid Cloud 搭建了面向 11.6 万名员工的企业搜索引擎，生产环境已运行三年。该引擎在 4 个节点上管理 3500 万向量数据点，支持混合搜索以服务深度智能体。团队引入语义缓存来控制智能体调用成本，并测出 20% 的效率提升。案例详细介绍了从原型到平台的落地路径。

技巧 Bayer Qdrant 企业搜索

推荐理由：拜耳这套企业搜索跑在 Qdrant 上，4 节点管 3500 万向量，语义缓存控成本，还提升了 20% 效率。

原文

8月13日

23:19

Weaviate@weaviate_io

精选

Weaviate 的《Building Foundry》第 2 期解释项目扩大后创意素材难搜的原因。它指出文件夹结构会变成历史记录而非可用地图，标签在交付压力下维护不一致。关键词搜索会因不同人描述同一素材方式不同而失效。文章建议结合语义相似度、精确关键词匹配和元数据过滤来替代单一命名体系。

技巧 Weaviate 语义检索向量数据库

推荐理由：Weaviate 这篇讲为啥项目越大素材越难找：文件夹会过时，标签会乱，关键词搜不到。想搞懂怎么用语义加关键词加元数据混合检索，可以看看。

原文

18:10

Weaviate@weaviate_io

精选75°

Weaviate的Query Agent Search Mode新增filtering参数，用于控制搜索策略的召回率与精确率权衡。默认的recall模式会生成多个查询，覆盖不同过滤条件和语义解释，适合优先获取相关结果。precision模式只生成单个查询，瞄准最可能的意图，确保每个返回结果都严格符合原始需求。官方示例展示了电商场景下“寻找$150以下防水再生聚酯冬季靴”时两种模式的不同执行路径。

AI产品 Weaviate Query Agent 向量数据库

推荐理由：Weaviate给Query Agent加了filtering参数，想要更多结果选recall，要精准匹配就选precision，适合做RAG的人调一调。

原文

17:52

Qdrant@qdrant_engine

Qdrant 宣布将于8月20日下午5点（中欧时间）在 Discord 举办 Office Hours，介绍 1.19 版本的新功能和更新。活动包含开放问答和社区讨论环节，参与者可以带着自己的项目和问题交流。官方博客已发布 1.19 更新的更多细节，供用户提前查阅。

AI产品 Qdrant 向量数据库 1.19

推荐理由：Qdrant 新版 1.19 要来了，8月20日有官方答疑，想第一时间了解向量数据库新功能就去 Discord 听，还能直接问问题。

原文

8月7日

00:41

Milvus@milvusio

精选

Milvus 3.0 推出 lake-native External Collection，让向量可直接查询数据湖中的数据。新增 grouping、faceting、sorting、aggregation 等结构化查询能力，向量不再孤立存储。开发者可以让 Milvus 更贴近现有数据系统，但需要权衡召回率、延迟、过滤和成本。官方开放 Office Hours，提供 20 分钟一对一架构咨询。

AI产品 Milvus 向量数据库混合检索

推荐理由：Milvus 3.0 把向量检索和结构化查询揉一起了，还支持直接查数据湖，玩 RAG 的可以看看。

原文

8月6日

07:19

Qdrant@qdrant_engine

Qdrant 1.19正式发布。官方推特以1/6线程预告主要更新。完整发布日志已上线qdrant.tech博客。新版本面向向量数据库用户。

AI产品 Qdrant 向量数据库向量搜索

推荐理由：Qdrant官网发了1.19版本，推特上剧透了重点，做向量数据库的直接看博客就行。

原文

8月5日

23:50

Milvus@milvusio

精选

Milvus 3.0 支持在服务流量不断的情况下在线增删字段，无需重建集合或安排迁移窗口。新增字段会创建可空列，不重写已有数据；废弃字段可运行时更新元数据。Milvus 3.0 还支持内部回填，例如直接从文本字段生成 BM25 稀疏向量，省去单独的客户端编码器。外部回填已列入路线图，计划通过 Spark 对快照计算新列值并增量更新索引。

AI产品 Milvus 向量数据库回填

事件专题

推荐理由：做检索系统的可以看看：Milvus 3.0 改表结构不用下线重建了，还能自动补 BM25 向量，省事不少。

原文

00:06

Milvus@milvusio

精选

Milvus 3.0 引入 Collection Snapshot，通过引用现有数据文件、索引文件和元数据，在不复制完整数据集的情况下创建集合在特定时间点的只读视图。基于 Spark DataSource V2 的 Spark 连接器允许 Spark、Databricks 和 Amazon EMR 直接读写 Milvus。团队可用快照进行模型迁移、embedding 重新生成、schema 变更、回填、评估、去重和隔离测试。快照可作为逻辑恢复点，但不能替代备份，长期保留仍需独立备份。

AI产品 Milvus Spark 向量数据库

推荐理由：Milvus 3.0 带快照和 Spark 连接器，不用复制数据就能给 AI 数据做稳定视图，还能跑分布式批量处理，把结果写回去。

原文

8月4日

01:17

Milvus@milvusio

精选

Milvus 3.0 的快照机制引用已有数据、索引和元数据文件而非复制全量数据。用户可在模型替换、重新嵌入、模式迁移前创建轻量检查点。不可变快照视图支持 A/B 评估、去重、回填验证和离线测试。通过对象存储服务端复制复用文件，避免重新导入和索引重建。注意快照不替代备份，备份用于长期保留和灾难恢复。

AI产品 Milvus 向量数据库快照

推荐理由：Milvus 3.0 出了快照功能，给 AI 数据做轻量检查点，改模型换向量不用全量复制，搞 A/B 测试挺方便。

原文

8月1日

00:15

Milvus@milvusio

82°

向量数据库Milvus 3.0正式发布，主打湖原生向量检索。新版本通过External Collections支持直接查询对象存储中的Parquet、Vortex格式数据，以及Lance、Iceberg等开放表格式。Loon Storage v3优化了S3对象存储上的点读取性能，快照与Spark DataSource V2让批处理和回填更稳定。检索引擎新增ORDER BY、聚合和分面搜索，StructArray与SINDI增强了多向量和稀疏混合检索能力。

AI产品 Milvus RAG 智能体

推荐理由：Milvus 3.0把向量检索直接做到数据所在的湖上，不用来回搬数据，搞RAG和Agent的可以试试。

原文

7月31日

00:24

Milvus@milvusio

精选

Milvus 3.0 推出 Storage v3，代号 Loon，专为对象存储的 serving-style 访问设计。Loon 引入 ColumnGroups 和对齐行 ID 来组织数据，减少 ANN 搜索后获取字段时的读放大。在内部基准测试中，点读取从 Parquet 格式的 0.4 MB 降至 0.07 MB，降幅超过 80%。该引擎将标量字段、向量和索引分离布局，匹配不同的访问模式，并通过不可变清单追踪数据集版本。

AI产品 Milvus 3.0 Loon 向量数据库

推荐理由：Milvus 3.0 的 Loon 存储引擎把对象存储上的点读取量降到原来的六分之一，做向量检索时不用再读一堆无关数据了。

原文

7月29日

22:44

Milvus@milvusio

72°

Milvus 3.0 今日发布，是该项目历史上最大的架构更新。新版本引入湖原生基础设施，支持直接索引 Parquet、Lance、Iceberg 等格式的数据，无需 ETL。新的 Loon 存储引擎将 ANN 搜索后的点读 I/O 从 9.4 MB 降至 0.07 MB。检索引擎新增服务端 ORDER BY、聚合和分面搜索，支持 StructArray 以原生容纳 ColBERT 和 ColPali 模型。SINDI + BM25 压缩使稀疏索引缩小约 3 倍，QPS 提升约 10 倍。

AI产品 Milvus Milvus 3.0 向量数据库

推荐理由：Milvus 3.0 今天上线了，不用再为向量数据库单独备份数据，直接查湖里的文件，检索性能还更强。

原文

00:53

Milvus@milvusio

精选

Milvus 3.0 推出 External Collections 功能，允许用户直接对存储在 S3、Parquet 文件、Lance 数据集或 Iceberg 表等对象存储中的向量数据进行搜索，无需复制到服务数据库。此前有两种方案：复制数据到向量数据库（低延迟但需维护同步）或直接查询湖（无索引全量扫描）。External Collections 提供第三种路径：在源数据上构建向量、BM25 倒排、JSON 和标量索引，数据不移动。该功能为只读零拷贝，支持增量索引新片段，并提供三种加载模型以平衡存储成本与延迟。适用于需要生产级搜索但避免数据复制的湖数据集。

AI产品 Milvus 3.0 External Collections 向量数据库

推荐理由：Milvus 3.0 新出的 External Collections，让你直接搜对象存储里的向量数据，不用再拷贝一份。省掉同步和权限麻烦，快试试。

原文

7月23日

14:46

Milvus@milvusio

Milvus 是 Apache 2.0 许可的开源向量数据库。它支持密集检索（语义向量）和稀疏检索（BM25 全文搜索及学习型稀疏嵌入）。混合搜索可同时检索密集和稀疏向量并重排序。提供 HNSW、IVF、FLAT、SCANN、DiskANN 等多种索引类型。部署支持 Milvus Lite、单机 Standalone 或 Kubernetes 原生分布式架构。

AI产品 Milvus 向量数据库混合检索

推荐理由：Milvus 一个库搞定语义搜索、全文搜索和元数据过滤，还能混合检索重排序，开源免费，做 RAG 的可以试试。

原文

7月22日

23:42

Qdrant@qdrant_engine

精选

7月28日，Qdrant和Twelve Labs将在Bellevue, WA联合举办线下活动。活动由Qdrant的Dylan Couzon和Twelve Labs的James Le主持。主题包括持久记忆用于视频AI、Qdrant Edge的集体记忆以及实用检索架构。现场将进行实时演示。注册链接为luma.com/kyksgkak。

行业 Qdrant Twelve Labs 视频智能

事件专题

推荐理由：想了解视频AI的持久记忆架构？Qdrant和Twelve Labs在贝尔维尤办活动，有现场演示，7月28日见。

原文

00:15

Weaviate@weaviate_io

精选

Weaviate 新增 per-query profiling 功能，通过一个 opt-in 标志即可在单次查询中获取各阶段耗时，如 vector_search_took、filters_build_allow_list_took 等。例如一个示例 profile 显示 48.2ms 总耗时中 36.8ms 用于读取对象，8.4ms 在向量搜索，2.1ms 构建过滤允许列表，说明瓶颈在存储而非 HNSW 参数。该功能无需重启或等待慢查询重现，自动聚合多分片多节点数据，返回 cluster-wide 视图。

AI产品 Weaviate per-query profiling 向量数据库

推荐理由：Weaviate 出了个查询性能剖析利器，一次请求告诉你时间花在哪——是磁盘读、向量搜索还是过滤，不用再瞎猜调参了。

原文

7月16日

23:01

Weaviate@weaviate_io

Weaviate推出Managed Weaviate服务，现已在DigitalOcean上以公开预览形式可用，DigitalOcean负责基础设施运维，包括预配置、安全、每日自动备份、补丁和版本升级、高可用与存储自动扩缩、时间点集群分叉以及性能洞察和日志。该服务运行未经修改的开源Weaviate引擎v1.37.1，与现有Python、JS/TS、Java、C#客户端兼容。用户无需管理服务器或虚拟机即可快速启动Weaviate集群。

AI产品 Weaviate DigitalOcean 向量数据库

推荐理由：Weaviate向量数据库现在可以直接在DigitalOcean上用托管版，不用自己搭服务器，自动备份和高可用都帮你搞定了，省心。

原文

7月14日

23:40

Milvus@milvusio

精选

Milvus 团队指出，用 demo 估算生产环境向量数据库成本常忽略三大隐性因素：数据更新（增删改、重索引）带来的计算开销、离线分析/评估任务与在线服务共用基础设施导致的工作负载错配、以及同一 AI 数据在向量搜索、湖仓、训练等系统间的重复存储。以某自动驾驶场景为例，1B 行数据集合的向量搜索每月仅需运行几小时，专用集群预估 $7,000/月，Serverless 约 $10,800/月，而 Zilliz Cloud On-Demand Search 成本不到 $500/月。建议将稳定在线流量匹配专用容量、突发在线需求用 Serverless、低频分析用按需计费。

技巧 Milvus Zilliz Cloud 向量数据库

推荐理由：Milvus 聊了向量数据库成本容易算漏的三个坑，还拿自动驾驶 10 亿行数据举例，用对方案能省十几倍钱。

原文

7月13日

20:25

Qdrant@qdrant_engine

Qdrant 将于 7 月 16 日举办社区办公室时间活动，涵盖三项主要议程：Qdrant Edge 的更新演示与讨论；社区星贡献者 Kameshwara Pavan kumar Mantha 将演示如何在 Qdrant 中实现高效多租户搜索；Mohammed Arbi Nsibi 将展示一个用于语义搜索 AI 资源的 Chrome 扩展。活动还设有关于基准测试和检索质量的开放式讨论。注册链接通过 Discord 获取。

行业 Qdrant Qdrant Edge 向量数据库

推荐理由：想学多租户搜索和语义书签的实战？7月16日 Qdrant 社区活动有演示，还能聊检索质量。

原文

7月9日

03:12

Qdrant@qdrant_engine

精选

Elastic的基准测试声称Qdrant 1.18.1在磁盘搜索上慢7倍，但Qdrant指出测试未开启其两项磁盘优化功能。开启优化后，Qdrant实现2倍吞吐量、一半延迟和1/3计算资源消耗。测试在K8s网络附加存储上进行，Elasticsearch 9.4.1使用DiskBBQ算法，Qdrant 1.18.1。Elastic延迟120-150ms，Qdrant在开启优化后延迟更低。

AI产品 Qdrant Elastic 向量数据库

推荐理由：Qdrant刚发了博客回应Elastic的测试，发现对方没开它的优化功能，一开就反超了：吞吐量翻倍，延迟减半，计算资源只要三分之一。想选向量数据库的可以看看。

原文

01:07

Milvus@milvusio

精选

Milvus 在写入数据后默认不会主动合并段，导致查询时需扫描过多段，影响性能。新推出的 Force Merge Compaction 功能允许用户手动触发段合并，在数据稳定后重塑存储布局。单节点基准测试显示，合并和索引重建会占用全部 16 个核心。该功能适用于写入完成后转为读密集的场景，可显著提升搜索吞吐量，目前处于公开预览阶段。

技巧 Milvus 向量数据库 Force Merge Compaction

推荐理由：如果你在用 Milvus 做知识库或批量加载后想加速查询，试试 Force Merge Compaction，它能在数据稳定后帮你合并段，减少查询扇出。

原文

7月8日

19:22

Qdrant@qdrant_engine

Qdrant 将参加 7 月 9-11 日在柏林举行的 WeAreDevelopers World Congress。7 月 9 日的演讲“The Retrieval Layer for Edge AI”将展示 Qdrant Edge 在智能眼镜上的实时演示。7 月 10 日的 Workshop 将指导参与者为医疗 AI 助手构建上下文工程层，涉及语义搜索、混合检索和 GraphRAG 等模式。活动期间 Qdrant 展位将提供轻量级、隐私优先的向量搜索现场演示。

行业 Qdrant WeAreDevelopers 向量数据库

推荐理由：Qdrant 在柏林现场展示 Qdrant Edge 边缘向量搜索，还有医疗 AI 上下文工程工作坊，适合对向量数据库和边缘 AI 感兴趣的人。

原文

03:06

Qdrant@qdrant_engine

Qdrant Edge是一个面向边缘设备的向量数据库。该广播演示了如何在设备端通过Qdrant Edge实现检索增强生成（RAG）。设备端RAG能提升AI应用的实时性和隐私保护，降低对云端的依赖。具体实现细节未在推文中展开。

技巧 Qdrant Edge RAG 设备端AI

推荐理由：Qdrant展示了如何在手机上跑RAG，用他们的Edge产品。如果你在意隐私和离线AI，看看这个。

原文

00:17

Weaviate@weaviate_io

精选

Weaviate Playground 发布了一个报纸主题demo，每2小时从6个新闻主题（general、world、business、technology、sports、health）采集标题。每个标题被转化为1536维向量，利用Leiden算法进行聚类。LLM为每个聚类生成自然语言标签，用户可通过混合搜索（语义+关键词）探索不同角度。该demo展示了向量数据库自动发现潜在故事的能力，并附带构建教程。

技巧 Weaviate 向量数据库 Leiden算法

推荐理由：Weaviate 搞了个demo，用向量聚类把新闻标题自动归类成故事，每2小时更新，还能自己动手搭建。

原文

7月7日

00:42

Milvus@milvusio

Milvus 的数据库管理工具 Attu 3.0 beta 新增 AI 代理功能，但采用自带 LLM 模式。用户可配置 OpenAI、Anthropic、DeepSeek、Google Gemini、OpenRouter 等任意兼容端点，API 密钥本地加密存储。模型流量直接流向用户指定的供应商，而非通过 Attu 托管。该代理支持 50 多种内置工具，通过自然语言管理 Milvus 数据库。

AI产品 Milvus Attu 智能体

事件专题

推荐理由：Attu 3.0 beta 让你用自己的 API 密钥控制 AI 代理管理 Milvus，数据不经过第三方，隐私放心。

原文

7月3日

23:57

Milvus@milvusio

76°

Milvus 开源向量数据库突破 45,000 个 GitHub Stars。Milvus 3.0 Beta 已发布，即将正式 GA。新功能包括 External Collection（直接在 S3、Iceberg 等湖上零拷贝查询）、Snapshot（一致性点时间视图支持版本回滚）、Loon/Storage V3（湖原生存储引擎）以及更丰富的查询模式（聚合、分组、分面）。GA 版本会带来更多特性。

AI产品 Milvus Milvus 3.0 向量数据库

推荐理由：Milvus 3.0 Beta 来了，能直接在数据湖上查向量和元数据，零拷贝；还有快照和回滚。做 RAG 或向量检索的别错过。

原文

7月2日

03:18

Milvus@milvusio

精选73°

Zilliz 宣布其 Vector Lakebase 在 Zilliz Cloud 上进入公开预览，这是一种湖原生架构，能将高 QPS 在线服务、临时发现和离线批处理统一到同一份数据上。该架构支持 One Data / One Index / One Semantic Layer，并可直接查询 Iceberg、Lance、Parquet 等外部集合，无需数据迁移。Zilliz CTO James Luan 和技术总监 Jiang Chen 将在网络研讨会上进行现场演示。

AI产品 Milvus Vector Lakebase Zilliz

推荐理由：Zilliz 搞了个新东西 Vector Lakebase，能让你一份数据同时做线上搜索、随机探索和离线分析，不用来回迁移数据，特别适合生产 AI 场景。

原文

6月26日

19:03

Qdrant@qdrant_engine

精选

Qdrant CTO Andrey Vasnetsov介绍了未来架构：存储和计算彻底分离，用户仅需查询本地设备上的索引片段，无需云端往返。Panel嘉宾来自cognee、Haystack_AI、llama_index、n8n_io，讨论了实际生产中Agent使用检索的问题——Agent有时不会主动调用检索，这比预期更严重。还指出若用同一模型生成评估数据集和作为评判者，相当于自己判自己作业。更多详情和完整录像在Qdrant YouTube频道。

行业 Qdrant 向量数据库 Agent

推荐理由：Qdrant CTO分享了未来架构怎么省掉云端来回；Panel聊了Agent不跑检索的坑，还有用同个模型判自己作业的槽点，做AI的都该看看。

原文

03:03

Weaviate@weaviate_io

精选76°

Weaviate 1.38 正式发布，带来 HFresh（GA）磁盘向量索引，支持十亿级动态数据、低内存与可预测延迟，无需定期重建。MCP Server（GA）可让 LLM、IDE 和 AI 代理直接连接 Weaviate，并支持运行时开关写入权限。异步复制重构为单调度器集群执行，默认开启。Boost API（预览）允许查询时轻量调整结果排序，嵌套对象过滤（预览）支持 "cars.make" 路径过滤。此外新增 replica 迁移、服务端用量护栏、text2vec-digitalocean 模块等功能。

AI产品 Weaviate 向量数据库 MCP/工具

推荐理由：Weaviate 发新版本啦，HFresh 索引和大模型连接插件 MCP Server 都转正了，十亿级数据不用重建，还能运行时开关 MCP 写入，运维省心很多。

原文

6月19日

01:36

Milvus@milvusio

精选

Milvus指出，仅看平均Recall@5（如85%）会掩盖真实问题。例如，精确术语查询的Recall@5可能只有40%，其他类别拉高了平均值。文章建议将测试用例分为精确术语查询、多跳问题、长尾问题、不可回答问题、权限过滤问题五类，每类至少放5-10个案例分别检查召回率。这样能精准定位检索堆栈中的薄弱环节。

技巧 Milvus 召回率检索评估

推荐理由：Milvus教你怎样真正看懂你的召回率——按5种查询类型拆解，别被一个平均数字骗了。

原文

6月18日

08:01

LlamaIndex@llama_index

精选

关于智能体检索架构，团队在向量数据库和纯grep之间存在分歧。LlamaIndex工程主管George He将于6月29日分享在LlamaParse Index中构建检索架构的决策和死胡同。实际需要两者结合：语义搜索用于快速初筛，grep和文件读取用于top-k块切分不完整时的精确检索。活动注册见landing.llamaindex.ai/retrieval-harn…。

行业向量数据库 grep LlamaIndex

推荐理由：LlamaIndex的工程主管来讲检索架构实战，区分语义搜索和精确grep的时机，做智能体的别错过。

原文

03:02

Weaviate@weaviate_io

Weaviate 宣布其云服务推出永久免费计划，无需试用期或信用卡。免费版包含 Weaviate 的向量数据库、查询代理和记忆能力。用户可用于个人项目、概念验证或初创公司。该计划旨在降低开发者使用向量数据库的门槛。

AI产品 Weaviate 向量数据库免费计划

推荐理由：Weaviate 给了永久免费的向量数据库云服务，不绑信用卡，做原型或小项目直接上手，不用操心试用到期。

原文

6月12日

01:32

Weaviate@weaviate_io

Weaviate 推出了包含 7 个可运行演示的新 playground，涵盖 AI 记忆、欺诈检测、电商搜索、聚类分析、向量搜索对比、护肤推荐和智能体决策树等场景。每个演示都提供可直接复制粘贴的提示词，方便开发者快速上手构建。其中 Engram 演示展示了 AI 智能体的持久记忆能力，能跨对话回忆事实和摘要；欺诈检测演示则通过查询智能体将自然语言问题转化为结构化查询，发现交易模式。Weaviate 还推出了免费永久层，鼓励开发者免费开始构建。

AI产品 Weaviate 向量数据库 RAG

推荐理由：做 AI 应用和智能体开发的团队，可以直接用这些演示模板快速验证想法，尤其是 Engram 的持久记忆和欺诈检测的查询智能体，值得立刻试试。

原文

6月11日

11:43

mem0@mem0ai

Mem0 的 CEO 兼联合创始人 Taranjeet Singh 将于明天上午 10 点在 Qdrant 举办的 Vector Space Day SF 活动上发表演讲。演讲主题聚焦于为什么智能体的持续学习始于记忆。该活动旨在探讨向量数据库与 AI 智能体的结合，Mem0 作为专注于智能体记忆管理的公司，其观点对关注 AI 智能体发展的开发者具有参考价值。

行业智能体记忆管理向量数据库

推荐理由：做智能体开发的团队值得关注——Mem0 的 CEO 将揭示记忆如何成为智能体持续学习的关键，这直接关系到智能体长期记忆和上下文管理的实现路径。

原文

6月10日

23:17

Milvus@milvusio

精选

股票媒体平台123RF拥有2亿+视觉资产，从关键词搜索转向语义搜索。迁移至Zilliz Cloud后，成本降低50%，查询延迟从100ms降至30-50ms。Zilliz Cloud支持CLIP生成稠密向量、动态扩缩容、解耦数据写入与在线查询、自定义排序逻辑。该方案帮助平台在保证检索质量的同时控制运营成本。

技巧 123RF Zilliz Cloud 语义搜索

推荐理由：123RF用Zilliz Cloud省了一半成本

原文

6月8日

23:47

Milvus@milvusio

精选

Milvus 3.0 是该项目自启动以来最大的架构升级，支持直接在数据湖上索引和查询向量，并引入超越 top-K 搜索的查询引擎。今天（6月8日）的线上研讨会由核心维护者 Li Liu 和 Jiang Chen 主讲，内容包括 Milvus 3.0 架构、路线图、如何驱动 Zilliz Vector Lakebase，以及 15-20 分钟的 AMA 环节。该升级解决了向量数据库与数据湖割裂的问题，对构建大规模 AI 基础设施的团队意义重大。

AI产品 Milvus 向量数据库数据湖

推荐理由：做向量搜索或数据湖架构的开发者，这是 Milvus 3.0 架构升级的官方解读，直接听核心维护者讲设计思路和路线图，比看文档更高效。

原文

6月6日

02:54

Milvus@milvusio

Milvus 团队分享了一个用户案例：在单机 32GB 内存环境下，用 FLAT 索引配合 FP16 存储、mmap 内存映射和标量过滤，成功加载 2500 万 1280 维图像向量，实际驻留内存仅约 600MB，热查询延迟低于 100ms。默认 FP32 预估需 139GB，而 AISAQ 和 IVF_FLAT 索引均因构建或加载问题失败。该方案适合搜索空间远小于全量集合的场景，如租户级 RAG、带标签的图像搜索或电商搜索。

AI产品 Milvus 向量数据库内存优化

推荐理由：做向量搜索的团队常被内存预算卡住，这个案例直接展示了 FLAT + FP16 + mmap 的组合拳如何把 139GB 需求压到 600MB，适合资源受限的单机部署场景，值得参考。

原文

00:48

Milvus@milvusio

Milvus 3.0 是该项目自启动以来最重要的架构更新，引入了数据湖原生向量索引和查询能力，突破了传统 top-K 搜索限制。核心维护者 Li Liu 和 Jiang Chen 将在 6 月 8 日的网络研讨会上详解设计决策、新特性以及如何驱动 Zilliz Vector Lakebase。研讨会包含 15-20 分钟 AMA 环节，适合构建 RAG、多模态搜索、推荐系统和 AI 智能体记忆的开发者。无法参加直播可注册获取回放。

AI产品 Milvus 向量数据库数据湖

推荐理由：Milvus 3.0 解决了数据孤岛和 schema 演进等痛点，做 RAG 或向量搜索的团队值得关注这次架构升级的细节。

原文