Yandex Cloud

本主题介绍如何在 Milvus 中配置和使用 Yandex Cloud embedding functions。

Choose an embedding model

Milvus 通过 yc provider 支持 Yandex Cloud AI Studio 文本向量化模型。在 Function 参数中，将 model_name 设置为 Milvus 应调用的 Yandex Cloud model URI。

例如，用于文档的 Yandex Text Embedding 使用类似 emb://<folder_ID>/text-search-doc/latest 的 model URI，并返回 256 维向量。如需了解可用的 model URI 和维度，请参阅 Text vectorization models。

Configure credentials

Milvus 必须先知道你的 Yandex Cloud API key，才能请求 Embedding。你可以在 milvus.yaml 中配置该 API key，也可以通过环境变量配置。

Option 1: Configuration file

将你的 API key 存储在 milvus.yaml 中，并将 Yandex Cloud provider 指向对应的 credential label。

YAML

# milvus.yaml
credential:
  yandex_apikey:
    apikey: <YOUR_YC_API_KEY>

function:
  textEmbedding:
    providers:
      yc:
        credential: yandex_apikey
        # url: https://llm.api.cloud.yandex.net/foundationModels/v1/textEmbedding

Option 2: Environment variable

如果 milvus.yaml 中未配置匹配的凭据，Milvus 可以从以下环境变量读取 Yandex Cloud API key：

变量	是否必需？	说明
MILVUS_YC_API_KEY	是	Milvus 服务用于调用 Yandex Cloud AI Studio 的 Yandex Cloud API key。

Use embedding function

配置好凭据后，定义一个包含输入文本字段和输出向量字段的 Schema，然后将 Yandex Cloud embedding Function 添加到该 Schema。

Python

from pymilvus import MilvusClient, DataType, Function, FunctionType

client = MilvusClient(uri="http://localhost:19530")

schema = client.create_schema()
schema.add_field("id", DataType.INT64, is_primary=True, auto_id=False)
schema.add_field("document", DataType.VARCHAR, max_length=9000)
schema.add_field("dense", DataType.FLOAT_VECTOR, dim=256)

text_embedding_function = Function(
    name="yandex_cloud_embedding",
    function_type=FunctionType.TEXTEMBEDDING,
    input_field_names=["document"],
    output_field_names=["dense"],
    params={
        "provider": "yc",
        "model_name": "emb://<folder_ID>/text-search-doc/latest",
        "credential": "yandex_apikey",
        "dim": "256",
    },
)

schema.add_function(text_embedding_function)

Yandex Cloud-specific parameters

参数	是否必需	描述	取值 / 示例
provider	是	要使用的 embedding model provider。	"yc"
model_name	是	要调用的 Yandex Cloud model URI。	"emb://<folder_ID>/text-search-doc/latest"
credential	否	在 milvus.yaml 顶层 credential: 部分中定义的 credential 标签。	"yandex_apikey"
dim	否	输出向量维度。如果设置，该值必须与输出向量字段的维度一致。	"256"

Next steps

配置 embedding function 后，请参阅 Embedding Function Overview，了解如何创建索引、插入数据并执行语义搜索。