阿里云向量检索 Milvus 版是一款云上全托管服务，确保了与开源Milvus的100%兼容性，并支持无缝迁移。在开源版本的基础上增强了可扩展性，能提供大规模 AI 向量数据的相似性检索服务。相比于自建，目前阿里云Milvus具备易用性、可用性、安全性、低成本与生态优势。凭借其开箱即用的特性、灵活的扩展能力和全链路监控告警，阿里云Milvus 云服务成为多样化 AI 应用场景的理想选择，包括多模态搜索、检索增强生成（RAG）、搜索推荐、内容风险识别等。您还可以利用开源的 Attu 工具进行可视化操作，进一步促进应用的快速开发和部署。

本文介绍如何通过整合阿里云向量检索服务Milvus版、阿里云百炼DashScope Embedding模型与阿里云PAI（EAS）模型服务，构建一个由LLM（大型语言模型）驱动的问题解答应用，并着重演示了如何搭建基于这些技术的RAG对话系统。

• 已创建Milvus实例。

进入阿里云Milvus页面（https://www.aliyun.com/product/milvus），登录阿里云Milvus控制台（https://milvus.console.aliyun.com/#/overview）。并在左侧导航栏，单击Milvus实例，并继续创建实例。

• 已开通PAI（EAS）并创建了默认工作空间。

登录PAI控制台（https://pai.console.aliyun.com），在左上角选择需要开通的地域后，进行认证、授权并开通服务，待开通成功后，便可进入控制台进行AI开发。

• 已开通百炼服务并获得API-KEY。

登陆阿里云百炼大模型服务平台（https://bailian.console.aliyun.com），在页面右上角的下拉菜单中单击API-KEY，进行创建。

• Milvus实例和PAI（EAS）须在相同地域下。
• 请确保您的运行环境中已安装Python 3.8或以上版本，以便顺利安装并使用DashScope。

该方案架构如下图所示，主要包含以下几个处理过程：

• 知识库预处理：您可以借助LangChain SDK对文本进行分割，作为Embedding模型的输入数据。
• 知识库存储：选定的Embedding模型（DashScope）负责将输入文本转换为向量，并将这些向量存入阿里云Milvus的向量数据库中。
• 向量相似性检索：Embedding模型处理用户的查询输入，并将其向量化。随后，利用阿里云Milvus的索引功能来识别出相应的Retrieved文档集。
• RAG（Retrieval-Augmented Generation）对话验证：您使用LangChain SDK，并将相似性检索的结果作为上下文，将问题导入到LLM模型（本例中用的是阿里云PAI EAS），以产生最终的回答。此外，结果可以通过将问题直接查询LLM模型得到的答案进行核实。

1. 进入模型在线服务页面。

1. 登录PAI控制台(https://pai.console.aliyun.com/)。
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。
3. 在工作空间页面的左侧导航栏选择模型部署>模型在线服务（EAS），进入模型在线服务（EAS）页面。

2. 在模型在线服务页面，单击部署服务。
3. 在部署服务页面，选择大模型RAG对话系统。
4. 在部署大模型RAG对话系统页面，配置以下关键参数，其余参数可使用默认配置，更多参数详情请参见大模型RAG对话系统（https://help.aliyun.com/zh/pai/user-guide/deploy-a-rag-based-dialogue-system）。

5. 单击部署。

当服务状态变为运行中时，表示服务部署成功。

6. 获取VPC地址调用的服务访问地址和Token。

1. 单击服务名称，进入概览页面。
2. 在基本信息区域，单击查看调用信息。
3. 在调用信息对话框的VPC地址调用页签，获取服务访问地址和Token，并保存到本地。

1. （可选）在ECS控制台创建并启动一个开通公网的ECS实例，用于运行Python文件，详情请参见通过控制台使用ECS实例（快捷版）（https://help.aliyun.com/zh/ecs/getting-started/create-and-manage-an-ecs-instance-by-using-the-ecs-console）。

您也可以在本地机器执行Python文件，具体请根据您的实际情况作出合适的选择。

2. 执行以下命令，安装相关依赖库。

3. 执行以下命令，创建文件。

文件内容如下所示。

以下参数请根据实际环境替换。

4. 执行以下命令运行文件。

返回如下类似信息。

• 更多关于Milvus的介绍，请参见什么是向量检索服务Milvus版（https://help.aliyun.com/zh/milvus/product-overview/what-is-the-vector-retrieval-milvus-version）。
• Milvus最新动态：
• 预付费包年折扣：1年85折、2年7折、3年5折；
• 产品动态：

如有疑问，可加入向量检索 Milvus 版用户交流钉群59530004993咨询。