用途：通过 pymilvus Python SDK 以代码方式操作 Milvus 向量数据库，覆盖连接、Schema 设计、集合管理、向量 CRUD、相似度搜索、混合检索、全文检索、索引、分区、数据库与 RBAC，可用于构建 RAG 管道、语义搜索或推荐系统。
主要能力：连接 Milvus Lite、Standalone、Cluster 或 Zilliz Cloud；快速或自定义 Schema 创建集合，并支持列出、描述、重命名、删表、清空、加载、释放；插入、upsert、搜索、混合检索、查询、get、删除向量；基于 BM25 与稀疏向量的全文检索；search/query 迭代器分页遍历大数据集；创建 AUTOINDEX、HNSW、IVF_FLAT 等索引；分区与数据库管理；用户、角色与权限管理。
使用方式：需 Python 3.8+，安装 pip install pymilvus（内置嵌入函数用 pip install "pymilvus[model]"），并准备运行中的 Milvus 实例，开发阶段可用嵌入文件式的 Milvus Lite。示例：客户端 client = MilvusClient(uri="./milvus.db") 用于 Milvus Lite；服务端或 Zilliz Cloud 需向用户询问实际 URI 与 token/API key，不得假设或硬编码连接参数。插入前须用嵌入模型生成真实向量，禁止使用假向量或占位向量；搜索时查询向量维度须与集合 Schema 完全一致，且查询嵌入模型须与生成存储向量的模型相同。
限制与注意：集合必须先加载才能搜索或查询；建索引是加载集合的前提；大数据量插入建议分批，如每批约 1000 行；破坏性操作（删集合、删库、删向量）前须与用户确认；多数场景推荐 AUTOINDEX；Schema 可能演进时使用 enable_dynamic_field=True。具体连接信息、部署类型及凭据需由用户提供，资料未提供默认值。