Milvus：为 AI Agent 而生的数据库

Milvus 是面向 AI Agent 的开源数据库：组织百万级租户的长期记忆，结合 RBAC、混合检索、grep 和 MCP。行级权限仅 Zilliz Cloud 企业版提供。

开始 Milvus 快速入门在 Zilliz Cloud 上托管运行

开源 Agent 数据库，GitHub 40K+ star
Partition key：单 collection 百万级租户
RBAC：内置与自定义权限组
混合检索 + RE2 正则过滤（Milvus 3.0+）

为 Agent 而生的数据库：按 Agent 隔离记忆，权限交给数据库，精确匹配和语义排序在一次请求里完成。

Milvus 与 Zilliz Cloud 用户

Salesforce
Exa.ai
OpenEvidence
Read.ai
Notta.ai
Filevine
NVIDIA
Airtable

为 AI Agent 而生的数据库要做到三件事

百万级租户的长期记忆

短期记忆在上下文窗口，长期记忆落库成行。Agent 数据库多租户用 partition key 让单个 collection 承载百万级租户；需要独立 schema 时，每集群默认可建 65,536 个 collection。

绕不过去的权限

RBAC 给每个 Agent 或工具独立角色；行级权限仅在 Zilliz Cloud 企业版提供。

混合检索加 grep

dense 与 BM25 一起召回，叠加正则、LIKE、短语过滤，再统一重排，一次请求完成。

Agent 数据库怎么做多租户隔离、权限和检索

Agent 记忆系统：百万级租户的长期记忆

将 agent_id、user_id 或 session_id 用作分区键，一个 collection 可组织百万级租户；每次请求仍必须带租户过滤。情景、语义和程序性记忆可用类型字段区分，schema 或权限边界不同则分 collection。

每次请求都需带租户过滤条件；partition key 可减少扫描范围，不代替权限控制。
每集群默认 65,536 个 collection、64 个 database，可调。
记忆遗忘内置：Entity TTL（Milvus 3.0+）让单条记忆按时过期，按过滤条件 delete 可一次清掉某个用户。

Agent 权限 RBAC，企业版再加行级安全

开源 Milvus 支持实例、数据库和 collection 级的用户、角色与权限。行级权限仅 Zilliz Cloud 企业版支持；partition key 本身不提供授权控制。

内置 COLL_RO、COLL_RW 等权限组，也可自定义。
行级权限策略和调用身份的配置由企业版部署决定。

丰富的查询：混合检索 + grep

Agent 既要语义也要原文：错误码、文件路径、订单号。正则过滤和各种匹配既能单独用，也能放进向量检索和混合检索。

dense + sparse/BM25 混合检索，RRF 或加权重排。
正则 =~ / !~（RE2，Milvus 3.0+）和 LIKE，NGRAM 索引加速。
TEXT_MATCH、PHRASE_MATCH、TEXT_MATCH_FUZZY 与 JSON 路径过滤。

接你在用的记忆框架，以及 MCP

Milvus 是 Agent 记忆管理框架下面的存储层，MCP 数据库服务让 Claude Desktop、Cursor 直接查。

文档里有 Mem0、Letta（MemGPT）、Agno、OpenAI Agents SDK、LangChain、LlamaIndex 的集成教程。
MCP 工具覆盖向量、文本、混合检索，以及 query、insert、delete。
Embedding Function（Milvus 2.6+）在写入和查询时调用 OpenAI、Cohere、Voyage AI 等模型。

Agent 记忆管理需求与 Milvus 能力对照

Agent 平台需求与 Milvus 能力：多租户隔离、权限、混合检索（默认值，可配置）
Agent 需求	Milvus 能力	可用版本
按用户、Agent、会话隔离长期记忆，百万级规模	Partition key：单 collection 百万级租户	开源
每个租户独立 schema 或角色	每租户一个 collection 或 database：默认 65,536 / 64 个	开源
每个 Agent、工具最小权限	RBAC：角色、内置与自定义权限组	开源
一个服务账号，背后大量终端用户	绑定调用者的行级安全	Zilliz Cloud（企业版）
语义召回 + 精确字符串召回	混合检索叠加正则、LIKE、TEXT_MATCH 过滤	开源，Milvus 3.0+

来源：milvus.io/docs/zh 的 multi_tenancy、rbac、privilege_group、multi-vector-search、pattern-matching 文档。

混合检索和 grep，一次调用

召回某个用户命中正则的记忆，dense 与 BM25 两路结果用 RRF 融合排序。

python

from pymilvus import MilvusClient, AnnSearchRequest, RRFRanker

client = MilvusClient(uri="http://localhost:19530", token="root:Milvus")
question = "what did we promise about the refund?"
scope = 'user_id == "u42" and content =~ "(?i)refund.*order [0-9]+"'

# embed() stands for your embedding model; it returns a list of floats.
dense = AnnSearchRequest(data=[embed(question)], anns_field="dense",
                         param={}, limit=20, expr=scope)
# BM25 sparse field generated from content: pass the raw query text.
sparse = AnnSearchRequest(data=[question], anns_field="sparse",
                          param={}, limit=20, expr=scope)

hits = client.hybrid_search(
    collection_name="agent_memory",
    reqs=[dense, sparse],
    ranker=RRFRanker(),
    limit=5,
    output_fields=["content"],
)

假设 user_id 为 partition key，content 为 VARCHAR 字段，另有一个 dense 向量字段和一个 BM25 sparse 字段。给 content 建 NGRAM 索引可加速正则。

常见问题

Agent 需要什么样的数据库？向量库够不够，还是用 PostgreSQL？

两者都要：业务系统放订单、账单这类事务数据；记忆、文档和工具结果放 Milvus，按租户过滤的混合检索和按行过期是内置能力，Zilliz Cloud 再加行级安全。

短期记忆和长期记忆的区别？AI Agent 长期记忆怎么存，能否跨会话记住用户偏好？

短期记忆就是上下文窗口，随会话结束；长期记忆要落库才能跨会话：每条智能体记忆一行，embedding 加 user_id、时间戳、记忆类型（情节 / 语义 / 程序）等标量字段，按租户混合检索召回。

如何更新、缩减记忆（压缩与遗忘）？

三条路：upsert 按主键覆盖旧记忆；Entity TTL（Milvus 3.0+）按时间自动过期；按过滤条件 delete 一次清掉某个 user_id 的全部记忆，用户要求删除数据时就靠它。

怎么防止一个 Agent 读到别的用户的数据？

管数据而不是管 prompt：每个租户一个 partition key，每个 Agent 或工具一个 RBAC 角色；Zilliz Cloud 的行级安全按调用者过滤每次读写，prompt 注入也扩不了范围。

长期记忆和 RAG 有什么区别？

RAG 检索的是 Agent 没写过的共享文档；记忆是按用户隔离、由 Agent 运行时写入的。两者都能放在同一个 Milvus 集群里，用同一套混合检索和过滤。

Agent 能同时像 grep 一样查、又按语义查吗？

能。正则（=~、!~）、LIKE、TEXT_MATCH、PHRASE_MATCH 都能作为过滤条件放进向量或混合检索，精确匹配和语义排序一次请求完成。

用 Milvus 搭建 AI Agent 长期记忆

从快速入门开始，给每个 Agent 或用户一个 partition key 和一个角色，接上 Mem0 或 MCP，同一套代码可以平滑迁到集群或 Zilliz Cloud。