《向量数据库指南》——AIGC 需求的快速变化，催生了Milvus Cloud向量数据库的超高速迭代

 

对于“版本”成为热度排名第一的关键词，我开始是有点意外的，仔细一想似乎也在情理之中。2023年，是 AIGC 大爆发的一年，LLM 展现出了强大的分析、推理、归纳、总结能力。但是，由于缺乏最新的和特定领域的训练数据，大模型“幻觉”成为困扰 AIGC 开发者的一大难题。随着 RAG 技术的发展，LLM 和向量数据库这对黄金搭档开始走到一起，成为幻觉问题的通用处理范式。

 

Milvus Cloud作为全球最流行的开源向量数据库，大量 AIGC 开发者涌入 Milvus Cloud社区，给 Milvus Cloud提出了诸多新的需求。在无数开发者的期盼下，Milvus Cloud去年一共发布了 20 个版本，支持了 partition key、Dynamic Schema、Array Data Type 等大量 AIGC开发者需要的功能，关于版本的讨论几乎一整年没有停过。搜索“版本”这个关键词，常见的讨论有：

 

• “Milvus后面有版本可以无限创建 collection 么”
• “新版本的 Milvus Cloud里的一个 collection 支持多个 vector 嘛？”
• “新版本我记得好像可以单独 load partion 到内存里，不需要 l