zilltech/milvus-skill
Ein Agenten-Skill, der LLMs den Betrieb der Milvus-Vektordatenbank mit pymilvus beibringt – Verbindung, Kollektionen, Vektor-CRUD, Suche, Hybridsuche, Volltextsuche, Indizierung, RBAC und gängige Muster wie RAG.
Ein Agenten-Skill, der LLMs den Betrieb der Milvus-Vektordatenbank mit pymilvus beibringt – Verbindung, Kollektionen, Vektor-CRUD, Suche, Hybridsuche, Volltextsuche, Indizierung, RBAC und gängige Muster wie RAG.
Der zilliztech/milvus-skill ist ein spezialisierter Skill für KI-Agenten (z.B. Claude Code, Cursor, Codex), der Large Language Models (LLMs) befähigt, mit der Milvus-Vektordatenbank zu interagieren. Er basiert auf der Python-Bibliothek pymilvus und deckt ein breites Spektrum an Operationen ab: vom Aufbau von Verbindungen und der Verwaltung von Kollektionen über das Erstellen, Lesen, Aktualisieren und Löschen von Vektoren (CRUD) bis hin zu verschiedenen Suchverfahren (Vektorsuche, Hybridsuche und Volltextsuche). Darüber hinaus unterstützt der Skill die Konfiguration von Indizes, die rollenbasierte Zugriffskontrolle (RBAC) und die Implementierung gängiger Muster wie Retrieval-Augmented Generation (RAG). Entwickler und Agenten-Nutzer profitieren von einer nahtlosen Integration von Milvus in KI-Workflows, ohne manuelle API-Aufrufe oder tiefgehendes Datenbankwissen. Der Skill automatisiert komplexe Abläufe und ermöglicht eine effiziente, skalierbare Vektorsuche und -verwaltung direkt über natürlichsprachliche Anweisungen oder strukturierte Agentenbefehle.
npx skills add zilliztech/milvus-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein Agenten-Skill, der LLMs den Betrieb der Milvus-Vektordatenbank mit pymilvus beibringt – Verbindung, Kollektionen, Vektor-CRUD, Suche, Hybridsuche, Volltextsuche, Indizierung, RBAC und gängige Muster wie RAG.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.