📄️ 使用 Milvus 和 BentoML 进行检索增强生成（RAG）
本指南演示了如何在 BentoCloud 上使用开源嵌入模型和大型语言模型与 Milvus 向量数据库构建一个检索增强生成（RAG）应用程序。
📄️ 使用 Milvus 和 Cohere 进行问答
本页面介绍如何利用 Milvus 作为向量数据库和 Cohere 作为嵌入系统，搜索问题的最佳答案。
📄️ 将 Milvus 与 DSPy 集成
本指南演示了如何使用 MilvusRM，DSPy 的检索模块之一，来优化 RAG 程序。
📄️ 使用 Milvus 和 Haystack 进行检索增强生成（RAG）
本指南演示了如何使用 Haystack 和 Milvus 构建一个检索增强生成（RAG）系统。
📄️ 使用 Milvus 和 Hugging Face 进行问答
基于语义搜索的问答系统通过在问题-答案对数据集中找到与给定查询问题最相似的问题来工作。一旦确定了最相似的问题，数据集中相应的答案被视为查询的答案。这种方法依赖于语义相似度度量来确定问题之间的相似性，并检索相关答案。
📄️ 将 Milvus 与 Jina 集成
本指南演示了如何使用 Jina AI 的嵌入和 Milvus 来进行相似性搜索和检索任务。
📄️ 使用 Milvus 和 LangChain 进行检索增强生成（RAG）
本指南演示了如何使用 LangChain 和 Milvus 构建检索增强生成（RAG）系统。
📄️ 食谱 LlamaIndex & Milvus 集成
这是一个简单的食谱，演示了如何使用LlamaIndex Langfuse 集成。它使用 Milvus Lite 来存储文档和查询。
📄️ 使用 Milvus 和 LlamaIndex 进行检索增强生成（RAG）
本指南演示了如何使用 LlamaIndex 和 Milvus 构建检索增强生成（RAG）系统。
📄️ MemGPT与Milvus集成
MemGPT使构建和部署有状态的LLM代理变得简单。通过Milvus集成，您可以构建与外部数据源（RAG）连接的代理。
📄️ 使用 Milvus 和 OpenAI 进行语义搜索
本指南展示了如何将 OpenAI 的嵌入式 API 与 Milvus 向量数据库结合使用，进行文本的语义搜索。
📄️ 使用 Milvus 进行图像搜索
在这个页面中，我们将讨论如何使用 Milvus 进行简单的图像搜索示例。我们将搜索的数据集是在 Kaggle 上找到的印象派分类数据集。在这个示例中，我们已经将数据重新托管到了一个公共的 Google Drive 上。
📄️ 使用 Ragas 进行评估
本指南演示了如何使用 Ragas 来评估建立在 Milvus 上的检索增强生成（RAG）管道。
📄️ 使用 Milvus 和 SentenceTransformers 进行电影搜索
在这个示例中，我们将讨论如何使用 Milvus 和 SentenceTransformers 库进行维基百科文章搜索。我们将搜索的数据集是在Kaggle上找到的维基百科电影情节数据集。在这个示例中，我们已经将数据重新托管到了一个公共的 Google Drive 上。
📄️ Milvus 在 Snowpark 容器服务上的应用
本指南演示了如何在 Snowpark 容器服务上启动 Milvus 演示。
📄️ Spark-Milvus 连接器用户指南
Spark-Milvus 连接器 (https://github.com/zilliztech/spark-milvus) 实现了 Apache Spark 和 Milvus 之间的无缝集成，将 Apache Spark 的数据处理和机器学习功能与 Milvus 的向量数据存储和搜索能力结合起来。这种集成实现了各种有趣的应用，包括：
📄️ 使用 Milvus 和 FiftyOne 进行视觉搜索
FiftyOne 是一个用于构建高质量数据集和计算机视觉模型的开源工具。本指南帮助您将 Milvus 的相似度搜索功能集成到 FiftyOne 中，从而能够在自己的数据集上进行视觉搜索。
📄️ 使用 Milvus 和 VoyageAI 进行语义搜索
本指南展示了如何使用 VoyageAI 的嵌入式 API 与 Milvus 向量数据库一起进行文本的语义搜索。
📄️ 将 Milvus 与 WhyHow 集成
本指南演示了如何使用 whyhow.ai 和 Milvus Lite 进行基于规则的检索。