Milvus 演示中心:探索人工智能矢量搜索的实际应用

对矢量搜索感到好奇?试试这些实践演示,了解 Milvus 如何为人工智能驱动的图像搜索、多模态检索、RAG(检索增强生成)和化学结构搜索提供支持。

  • 基于 Function Chain 的多阶段重排序

    基于 Function Chain 的多阶段重排序

    借助 Milvus 3.0 的 XGBoost Reranker 与 Function Chain,为电商场景构建自定义排序逻辑。

  • 基于 StructArray 的自动驾驶数据筛选

    基于 StructArray 的自动驾驶数据筛选

    将视频片段及其多个关键帧组成的嵌套对象存储为 StructArray,并附带两个层级的标签,可灵活地在任一层级进行搜索。

  • 基于 EmbeddingList 的 PDF 视觉检索

    基于 EmbeddingList 的 PDF 视觉检索

    使用 ColPali 类模型在 Milvus 中原生实现多向量检索,按 MAX_SIM 对 NASA 手册页面进行排序。

  • 多模态图像搜索

    多模态图像搜索

    结合查询图像与文本指令的视觉语义搜索。

  • 检索增强生成(RAG)

    检索增强生成(RAG)

    Ask AI 是 Milvus 文档和帮助文章的 RAG 聊天机器人。支持检索的向量数据库是 Zilliz Cloud(完全托管的 Milvus)。

  • 化学结构搜索

    化学结构搜索

    对指定分子进行超快速相似性搜索、子结构搜索或超结构搜索。