Recherche vectorielle & Milvus (RAG)
Effectuer des recherches sémantiques sur le contenu indexé via Milvus pour retrouver les passages de code pertinents. Fournit le contexte nécessaire aux agents et au chat.
Introduction à la recherche vectorielle avec Milvus
Vue d'ensemble des concepts, bénéfices et contraintes de l'utilisation de Milvus pour la recherche sémantique (RAG). Expose le rôle des embeddings, du FileIndex, et les implications coûts / réseau.
Indexation et insertion de vecteurs
Procédure et bonnes pratiques pour insérer vecteurs et métadonnées dans des collections Milvus lors du traitement d'un repo. Détaille insertSource, contrôle de cohérence avec le FileIndex, et stratégies de retry / rate limiting.
Recherche vectorielle depuis une requête texte
Guide pour effectuer des recherches sémantiques : construction d'embeddings côté agent/chat, utilisation de queryVectorFromString, récupération des topK matches et injection du contexte pertinent dans les agents.
Maintenance et administration des collections
Opérations d'administration : créer / supprimer collections et index, gestion des index Milvus, commandes backend (createIndex, dropCollection) et impact opérationnel. Inclut recommandations liées au rate limiter et retry.
Suppression et gestion de la cohérence des sources
Procédures pour supprimer des sources ou entrées spécifiques d'une collection Milvus, implications sur le FileIndex et la pertinence du RAG, et précautions pour éviter la perte de contexte.