by 运行时依赖
安装命令
点击复制技能文档
分类：提供商 AliCloud Milvus（Serverless）通过 PyMilvus 本技能使用标准的 PyMilvus API 连接到 AliCloud Milvus 并运行向量搜索。
前置条件 安装 SDK（推荐在 venv 中避免 PEP 668 限制）： python3 -m venv .venv . .venv/bin/activate python -m pip install --upgrade pymilvus 通过环境变量提供连接： MILVUS_URI（例如 http://:19530） MILVUS_TOKEN（:） MILVUS_DB（默认：default）
快速入门（Python） import os from pymilvus import MilvusClient client = MilvusClient( uri=os.getenv("MILVUS_URI"), token=os.getenv("MILVUS_TOKEN"), db_name=os.getenv("MILVUS_DB", "default"), ) # 1）创建集合 client.create_collection( collection_name="docs", dimension=768, ) # 2）插入数据 items = [ {"id": 1, "vector": [0.01] 768, "source": "kb", "chunk": 0}, {"id": 2, "vector": [0.02] 768, "source": "kb", "chunk": 1}, ] client.insert(collection_name="docs", data=items) # 3）搜索 query_vectors = [[0.01] 768] res = client.search( collection_name="docs", data=query_vectors, limit=5, filter='source == "kb" and chunk >= 0', output_fields=["source", "chunk"], ) print(res)
脚本快速入门 python skills/ai/search/aliyun-milvus-search/scripts/quickstart.py 环境变量： MILVUS_URI MILVUS_TOKEN MILVUS_DB（可选） MILVUS_COLLECTION（可选） MILVUS_DIMENSION（可选） 可选参数： --collection、--dimension、--limit、--filter。
Claude Code/Codex 备注 插入是异步的；在搜索新插入的数据之前等待几秒钟。 保持向量维度与您的 embedding 模型对齐。 使用过滤器强制执行租户范围或数据集分区。 错误处理 身份验证错误：检查 MILVUS_TOKEN 和实例权限。 维度不匹配：确保所有向量都匹配集合维度。 网络错误：验证实例上的 VPC/公共访问设置。
验证 mkdir -p output/aliyun-milvus-search for f in skills/ai/search/aliyun-milvus-search/scripts/.py; do python3 -m py_compile "$f" done echo "py_compile_ok" > output/aliyun-milvus-search/validate.txt 通过标准： 命令退出 0 且 output/aliyun-milvus-search/validate.txt 被生成。
输出和证据 在 output/aliyun-milvus-search/ 下保存工件、命令输出和 API 响应摘要。 在证据文件中包含关键参数（区域/资源 ID/时间范围）以实现可复制性。
工作流程 确认用户意图、区域、标识符以及操作是否为只读或可变。 首先运行一个最小的只读查询以验证连接性和权限。 使用显式参数和有界范围执行目标操作。 验证结果并保存输出/证据文件。
参考 PyMilvus MilvusClient 示例用于 AliCloud Milvus 源列表：references/sources.md