Milvus 实践(1) --- 文本-图片交互式search搭建及原理

### LangChain与Chatchat结合Milvus的用法 #### 1. **LangChain的核心功能** LangChain 是一种用于构建语言模型应用程序的框架，其主要特点是通过...整个流程涵盖了从原始资料收集整理到最后交互式的对话响应环节。

### Milvus SDK Java 文本检索示例 为了展示如何利用 `milvus-sdk-java` 实现文本检索，以下是详细的说明和代码实例。 #### 安装依赖项 确保项目环境中已配置好所需的依赖项。对于 Maven 构建工具，在 `pom.xml` 文件中添加以下依赖： ```xml <dependency> <groupId>io.milvus</groupId> <artifactId>milvus-sdk-java</artifactId> <version>最新版本号</version> </dependency> ``` 对于 Gradle 用户，则应在 `build.gradle` 中加入相应的内容[^4]。 #### 初始化客户端连接 建立到 Milvus 数据库的服务端口链接，并初始化 RSocketClient 对象以便后续调用 API 方法。 ```java RSocketClient client = new SyncRSocketClient.Builder() .withHost("localhost") // 替换为实际服务器地址 .withPort(19530) // 默认端口号 .build(); MilvusServiceStub stub = MilvusServiceGrpc.newBlockingStub(client); ``` #### 创建集合与字段定义 设定用于存储嵌入向量和其他元数据信息的数据结构；此处假设已经有一个预训练好的模型生成了待索引的文本特征向量列表。 ```java CollectionSchema schema = CollectionSchema.newBuilder() .withAutoID(true) .addField(FieldSchema.newBuilder().withName("id").withDataType(DataType.Int64).isPrimaryKey(true)) .addField(FieldSchema.newBuilder().withName("embedding").withDataType(DataType.FloatVector)) .addField(FieldSchema.newBuilder().withName("text_content").withDataType(DataType.VarChar).withMaxLength(256)) // 根据实际情况调整最大长度 .build(); CreateCollectionRequest request = CreateCollectionRequest.newBuilder() .withDbName("") // 如果不需要指定数据库名称则留空字符串"" .withCollName("example_collection") .withSchema(schema.toProto()) .build(); stub.createCollection(request); ``` #### 插入文档及其对应的向量化表示形式 将要被搜索的文章内容转换成数值型数组后存入新建表单之中。 ```java List<Float> vectorData = Arrays.asList(/* ... */); // 此处应填入具体的浮点数序列作为输入样本 InsertRequest insertReq = InsertRequest.newBuilder() .withDbName("") .withCollName("example_collection") .addRowData(RowBasedEntity.newBuilder() .addFieldValues(EntityValue.newBuilder().setInt64Value(System.currentTimeMillis())) .addFieldValues(EntityValue.newBuilder().setFloatArray(vectorData.stream().mapToDouble(Float::doubleValue).toArray())) .addFieldValues(EntityValue.newBuilder().setVarChar("some text content")) ).build()); MutateResult result = stub.insert(insertReq); System.out.println(result.toString()); ``` #### 执行相似度匹配查询操作 最后一步就是根据给定关键词计算其最近邻节点集合作为最终返回结果的一部分。 ```java SearchVectorsParam searchParams = SearchVectorsParam.newBuilder() .withBaseSearchParams(BaseSearchParam.newBuilder() .withTopK(5) // 返回前五个最相近的结果 .withMetricType(MetricType.L2) // 或者选择其他距离测度方式如IP内积 ) .withDsl("{ \"bool\": {\"must\": [{\"range\": {\"timestamp\": {\"gte\": 0}}} ]} }") // 可选参数表达式过滤器 .withOutputFields(List.of("id","text_content")) // 输出哪些列名 .withVectors(Collections.singletonList(new Float[]{/*...*/})) // 待比较的目标向量 .withPartitionNames(null) // 不限分区范围 .build(); SearchResults response = stub.search(searchParams.build()); for (QueryResult r : response.getResults()) { System.out.printf("%d\t%s\n",r.getEntityIds(0),r.getStringExtraInfoMap().getOrDefault("text_content","")); } ``` 以上即是一个完整的基于 Milvus 的 Java SDK 开发环境下的文本检索流程介绍[^1]。