Pymilvus MCP代码生成助手使用指南

简介

这是一个支持基于SSE的MCP(Model Cognitization Program)的pymilvus代码生成助手，能帮助您快速开始使用pymilvus进行向量数据库操作。

快速开始

1. 提交您的需求

请提供需要转换为pymilvus代码的markdown格式文本内容。确保您的需求描述清晰，包含所需的操作细节。

2. 示例使用方式

# 提供您的需求描述
"""
创建一个名为'book_collection'的集合，包含'id'、'title'和'embedding'三个字段，
其中'embedding'是128维的向量，并插入3条示例数据
"""

# 助手将生成类似如下代码
from pymilvus import Collection, FieldSchema, CollectionSchema, DataType, connections, utility

# 建立连接
connections.connect("default", host="localhost", port="19530")

# 定义集合字段
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="title", dtype=DataType.VARCHAR, max_length=100),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128)
]

# 创建集合模式并创建集合
schema = CollectionSchema(fields)
book_collection = Collection(name="book_collection", schema=schema)

# 准备数据并插入
ids = [1, 2, 3]
titles = ["Book A", "Book B", "Book C"]
embeddings = [[0.1 for _ in range(128)] for _ in range(3)]  # 示例向量数据

book_collection.insert([ids, titles, embeddings])
book_collection.flush()

3. 注意事项

• 确保提供足够的上下文和详细信息
• 明确指出向量维度、索引类型等关键参数
• 说明您想实现的具体功能（创建集合、插入数据、查询等）

更多帮助

如果您有具体的段落或者句子需要转换为pymilvus代码，请分享给我们，我们将保留markdown格式，为您生成相应的代码示例。