向量数据库 Milvus 版
向量数据库 Milvus 版
文档指南
请输入
- 文档首页
向量数据库 Milvus 版最佳实践向量数据库 Milvus 版 Skill 使用手册
复制全文
下载 pdf向量数据库 Milvus 版 Skill 使用手册
文档反馈
问问助手本文介绍如何在 Agent 应用中接入并使用火山引擎 Milvus Skill，帮助开发者快速构建面向向量数据管理与智能检索的 AI 能力。
背景信息
在传统使用模式下，运维人员和开发者通常需要通过控制台或调用 API 的方式，完成向量数据库实例的创建、配置、运维与数据管理。这一过程中往往涉及资源规格选择、网络配置、Collection 与索引管理、数据导入及检索调优等多个环节，操作链路较长，对使用经验和运维能力也有一定要求。
通过火山引擎向量数据库 Milvus 版 Skill，您可以直接以自然语言与 AI Agent 交互，由 Agent 自动理解您的意图并调用相应能力，协助完成 Milvus 实例管理与数据操作，从而降低使用门槛，提升日常运维与向量数据管理效率。
向量数据库 Milvus 版 Skill 主要覆盖以下两个能力领域。
控制面
控制面能力主要面向向量数据库 Milvus 版实例的生命周期管理与资源运维场景。您可通过自然语言完成集群创建、规格扩缩容、状态巡检、连接信息查询，以及实例释放等操作。
同时，Agent 还可协助查询可用 VPC、子网、节点规格等基础资源信息，减少环境准备与云资源配置过程中的手动操作，提高资源管理效率。
数据面
数据面能力主要面向向量数据库 Milvus 版实例中的向量数据管理与检索场景。您可通过 Agent 完成 Collection 创建、Schema 定义、向量索引构建、数据写入、向量检索、条件查询及数据删除等操作。
针对常见的数据查询与检索场景，Skill 提供预置脚本能力，以提升执行效率与结果一致性；对于更灵活的数据读写需求，Skill 可提供 SDK 调用规范，由 Agent 根据具体场景生成并执行相应代码。
考虑到数据安全与操作风险，建议谨慎授权 Agent 执行敏感或高风险的数据写入、修改及删除操作。
前提条件
安装配置
- 安装 Skill。
- 参考 Find Skill 安装页面中的安装说明，根据所使用的 Agent 类型，执行对应命令，或下载 ZIP 压缩包进行手动安装。
- npx skills add https://skills.volces.com/skills/volcengine/milvus -s byted-milvus --agent openclawnpx skills add https://skills.volces.com/skills/volcengine/milvus -s byted-milvus --agent trae
- 配置访问凭证。
- 在 Agent 运行环境中配置以下环境变量。
- VOLCENGINE_ACCESS_KEY="您创建的 Access Key"VOLCENGINE_SECRET_KEY="您创建的 Secret Key"VOLCENGINE_REGION="cn-beijing" # 默认北京地域，可按需调整
说明
在 ArkClaw 中，无需手动配置 AK/SK。系统会自动注入 API Token，并通过访问控制机制完成控制面鉴权。
- 确认 Skill 已加载。
- 安装完成后，可通过 Agent 提供的 Skill 管理命令确认 Skill 是否已正确加载。例如，在 OpenClaw 中执行以下命令。
- openclaw skills list
- 当 byted-milvus 的状态显示为 ready 时，表示 Skill 已成功加载。
- │ ✓ ready │ 📦 byted- │ Manages Milvus instances on Volcano Engine (Volcengine) using the bundled CLIs: provision, inspect, scale, and delete clusters; manage collections and run CRUD/search. Use when the user mentions Milvus on Volcengine/Volcano Engine or asks to operate/provision │ openclaw-managed ││ │ milvus │ Milvus there. │ │
注意
更新 Skill 后，部分 Agent 环境可能不会自动重新加载插件。若出现能力未生效或版本未更新的情况，建议重新创建对话（如执行 /new）后再进行使用。
控制面使用演示
完成配置后，Agent 即具备操作向量数据库 Milvus 版实例的完整能力。以下通过几个典型对话示例，展示 Skill 在实际场景中的使用方式与交互流程。
创建实例
当您提出“创建实例”等自然语言请求时，Agent 会自动调用 Skill 解析所需参数，并引导完成实例创建流程。在执行过程中，Agent 通常会逐步确认关键配置项，例如 VPC 与子网选择、实例名称、访问密码以及节点规格等信息，确保资源创建符合预期。整个过程无需手动填写复杂参数，您只需根据提示进行确认即可完成配置与创建。
查询实例信息
在实例创建完成后，您可以通过自然语言直接查询实例运行状态与基础信息。Agent 会调用 Milvus Skill 获取最新的实例数据，并返回当前状态、规格配置及运行情况等关键信息。
扩缩容
当业务负载发生变化时，您可以通过自然语言发起扩缩容请求。Agent 会解析目标规格或容量调整意图，并调用 Milvus Skill 完成实例资源的动态变更，包括节点规格升级、数量调整等操作。
删除实例
当实例不再使用或需要释放资源时，您可以通过自然语言发起删除实例请求。Agent 会识别删除意图并调用 Milvus Skill 执行实例删除流程。
数据面使用演示
数据面操作场景通常更加灵活，既包含标准化的高频查询，也涉及复杂的数据读写与检索需求。针对常见的查询与诊断类任务，本 Skill 提供预置脚本能力，以提升执行效率与结果一致性；对于更灵活的数据操作场景，Skill 可提供 SDK 调用规范，由模型或 Agent 根据您的请求动态生成并执行相应代码。
注意
- 不同模型与 Agent 在代码生成、工具调用及执行稳定性方面可能存在差异。考虑到数据安全与操作风险，建议谨慎授权 Agent 执行敏感或高风险的数据写入、修改及删除操作。
- 执行数据面操作前，需要确保目标 Milvus 集群已开启公网访问能力，以便 Agent 能够连接并访问对应实例。目前可通过控制面 Skill 申请并绑定公网 IP，也可以直接通过自然语言请求，由控制面能力协助开启集群公网访问。
查看 Collection
您可以通过自然语言直接查看当前 Milvus 实例中的 Collection 信息。Agent 会调用数据面 Skill 获取 Collection 列表。
创建 Collection
您可以通过自然语言直接创建 Collection，Agent 会根据您的需求自动解析并补充必要参数。
删除 Collection
当某个 Collection 不再使用时，您可以通过自然语言发起删除请求。Agent 会自动识别目标 Collection，并调用数据面 Skill 执行删除操作。
写入数据
创建 Collection 后，您可以通过自然语言向其中写入向量数据。Agent 会根据 Collection 的 Schema 自动校验字段结构，并协助完成向量、标量字段及主键数据的组织与写入操作。
查询数据
您可以通过自然语言直接查询 Collection 中的数据。Agent 会根据您 描述自动生成对应的查询条件或向量检索请求，并调用数据面 Skill 返回匹配结果。
更新数据
您可以通过自然语言对 Collection 中的已有数据进行更新。Agent 会根据用户提供的主键、过滤条件或目标字段，自动生成对应的数据更新逻辑，并调用数据面 Skill 执行修改操作。在更新过程中，Agent 会结合 Collection Schema 对字段类型与数据结构进行校验，以降低因参数错误导致的数据异常风险。
删除数据
可以通过自然语言删除 Collection 中的指定数据。Agent 会根据您提供的主键、过滤条件或删除范围，自动生成对应的数据删除请求，并调用数据面 Skill 执行操作。
最近更新时间：2026.05.14 15:38:51
这个页面对您有帮助吗？
有用
有用
无用
无用