核心用法
该 Skill 基于 PyMilvus SDK 提供对阿里云 Milvus Serverless 的标准化访问能力，支持通过环境变量配置连接参数（URI、Token、DB），并以 MilvusClient 为核心接口完成三大操作：创建指定维度的 Collection、批量插入带元数据的向量数据、执行带过滤条件的相似性搜索。
显著优点
- 云原生集成：直接对接阿里云 Milvus Serverless，无需自建向量数据库基础设施
- 标准 API：基于官方 PyMilvus，生态成熟，文档丰富，迁移成本低
- 过滤检索：支持表达式过滤（如
source == "kb" and chunk >= 0），实现租户隔离与数据分区 - Claude Code 优化：文档明确针对 Claude Code/Codex 的向量检索场景设计，包含异步写入等待、维度对齐等关键提示
潜在局限
- 异步延迟：插入操作异步执行，新数据需等待数秒方可检索，不适合实时性极强的场景
- 网络依赖：需正确配置 VPC/公网访问，跨网络环境部署存在连通性风险
- Token 管理：使用
<username>:<password>格式 Token，凭证泄露风险需额外管控
适合人群
- 使用 Claude Code/Codex 构建 RAG 应用的开发者
- 需要快速接入托管向量数据库的 AI 应用团队
- 已有阿里云基础设施，希望减少运维负担的工程团队
常规风险
- 维度不匹配将导致查询失败，需严格对齐嵌入模型输出维度
- 大规模批量插入未显式处理背压，可能触发服务端限流
- 过滤表达式语法错误会导致空结果或异常，需充分测试