向量数据库49 条

Milvus 混合检索与重排器

Milvus 2.4 起支持多向量混合检索：对同一集合的多个向量字段发起多路 search，用 Ranker（如 RRFRanker、WeightedRanker）在服务端融合，减少应用层拼装。

RAG 与向量库速查AI更新于 2026-10-12

稠密 + 稀疏字段定义

schema.add_field("dense", datatype="FLOAT_VECTOR", dim=1024)
schema.add_field("sparse", datatype="SPARSE_FLOAT_VECTOR")
# 分别建索引：dense 用 HNSW，sparse 用 SPARSE_INVERTED_INDEX

RRF 融合检索

from pymilvus import AnnSearchRequest, RRFRanker

r1 = AnnSearchRequest(data=[dense_q], anns_field="dense", param={"ef": 64}, limit=20)
r2 = AnnSearchRequest(data=[sparse_q], anns_field="sparse", param={}, limit=20)
res = client.hybrid_search("kb", [r1, r2], RRFRanker(60), limit=10,
                           output_fields=["source"])

权重可调的 WeightedRanker 适合两路分数已归一化的场景；不确定时先用 RRFRanker。

易错点

两路 anns_field 与查询向量类型不匹配，报错难以按字面理解
RRF 的 rank 参数语义与 Elasticsearch 的 rank_constant 相近但位置不同，迁移时容易传错

数据来源与参考

Milvus 官方文档（Multi-Vector Hybrid Search / Ranker）

继续搜索

常用关键词：3389 traceroute iptables 子网掩码 docker

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌