Milvus

데이터

Neotask이 OpenClaw을 통해 Milvus 벡터 데이터베이스에 연결됩니다 — 쿼리 코드를 작성하는 대신 자연스러운 대화로 임베딩을 검색, 인덱싱, 관리하세요.

할 수 있는 것

Milvus 연동은 검색, 데이터 관리, 컬렉션 관리를 위한 11가지 액션을 제공합니다.

검색 작업

  • 텍스트 검색 — 키워드 매칭을 위한 컬렉션 필드 전체 텍스트 검색
  • 벡터 검색 — 시맨틱 검색을 위한 임베딩 기반 유사도 검색
  • 하이브리드 검색 — 텍스트와 벡터 검색을 결합한 최적 결과 도출
  • 다중 벡터 검색 — 여러 벡터 필드를 동시에 검색
  • 쿼리 — 불리언 표현식을 사용한 레코드 필터링 및 조회
  • 카운트 — 필터 조건에 맞는 레코드 수 집계

    • 컬렉션 관리

  • 인스턴스의 모든 컬렉션 나열
  • 모든 컬렉션의 스키마, 인덱스, 통계 조회
  • 정의된 스키마로 새 컬렉션 생성
  • 컬렉션에 데이터 레코드 삽입
  • 벡터 또는 스칼라 필드에 인덱스 구축

    • 모든 작업은 자율적으로 실행되거나 승인을 요청합니다 — 당신이 결정합니다.

    이렇게 물어보세요

  • "이 설명과 유사한 제품을 제품 카탈로그에서 검색해줘"
  • "고객 임베딩 컬렉션에 레코드가 몇 개야?"
  • "768차원 벡터 필드를 가진 'support_tickets'라는 새 컬렉션 만들어줘"
  • "키워드 '가격'과 '비용 절감'의 시맨틱 의미를 결합한 하이브리드 검색 실행해줘"
  • "knowledge_base 컬렉션의 스키마와 인덱스 세부 정보 보여줘"
  • "이 50개 제품 레코드를 카탈로그 컬렉션에 삽입해줘"

    • 전문가 팁

  • 하이브리드 검색은 대개 순수 벡터 검색이나 순수 텍스트 검색보다 성능이 뛰어납니다 — 프로덕션 검색에는 기본적으로 하이브리드 검색을 사용하세요.
  • 대규모 검색 전에 인덱스를 먼저 구축하세요. 인덱스가 없는 컬렉션은 모든 레코드를 스캔합니다.
  • 레코드에 제목, 본문, 메타데이터에 대한 별도 임베딩이 있는 경우 다중 벡터 검색을 사용하세요.
  • Milvus를 콘텐츠 관리 시스템과 앱 그룹으로 연결하면 새 문서가 게시될 때 자동으로 임베딩하고 저장할 수 있습니다.

    • Works Well With