用途:为 Python 开源项目添加、重做、审查或上游化 Milvus/Zilliz Cloud 后端集成,最终产出可合并的上游 PR。
主要能力:先读项目规范(AGENTS.md、CLAUDE.md、CONTRIBUTING.md、README.md、pyproject.toml、docs/),用 gh pr list 与 gh issue list 搜索已有 Milvus 工作,判断应替换、挽救还是放弃;将项目架构分类为已有后端抽象、硬编码但有清晰边界、存储逻辑分散耦合三类,后者需先暂停确认。实现前先报告抽象入口、依赖策略、测试、文档、风险与 PR 价值。
使用方式:在子项目而非 monorepo 根目录工作,uv 项目用 uv sync;优先 pymilvus 与 milvus-lite,遵循项目依赖约定。使用 pymilvus.MilvusClient,不用 connections.connect()、Collection()、FieldSchema()、CollectionSchema()、utility.has_collection() 等 ORM 风格 API。本地优先项目默认 Milvus Lite,暴露 URI/token 以便切换 Milvus 服务或 Zilliz Cloud;区分 db_name 与 namespace。稠密向量用显式 schema 与 AUTOINDEX,不硬编码维度;复用集合前检查 schema 与维度,不匹配时报错。词法检索优先原生 BM25:加 analyzer 文本字段、SPARSE_FLOAT_VECTOR 字段、FunctionType.BM25 函数与 SPARSE_INVERTED_INDEX。不要每次写入后 flush(),用一致性配置;过滤表达式需校验字段名、转义标量值。测试按项目模式扩展,运行 ruff check、ruff format --check、mypy、pytest,远程测试后清理临时集合。PR 需含实现、测试、文档、示例、依赖与锁文件更新,说明新增后端、Milvus Lite 行为、服务/云配置、测试覆盖与已知基线失败;提交信息与 PR 中不得提及 AI、Claude、LLM 或自动生成。
适用场景:Python 开源项目新增或迁移 Milvus 向量后端并向上游提交。
限制:资料未提供具体项目适配范围、性能数据与收费信息;存储逻辑分散时需人工确认是否继续。