Saltearse al contenido
Nappai Documentation

Milvus

Milvus es un componente que te permite guardar y buscar documentos usando vectores de similitud. Con él puedes almacenar textos, imágenes o cualquier dato que puedas convertir en vectores, y luego encontrar los más parecidos a una consulta que introduzcas.

¿Cómo funciona?

El componente se conecta a un servidor Milvus (puede estar en tu máquina local o en la nube) mediante la Connection URI y, opcionalmente, una contraseña. Cuando usas la operación Add, convierte cada documento que le das en un vector con la función de Embedding que hayas elegido y los guarda en una colección.
Con la operación Search envía una consulta de texto, la convierte en vector y busca los documentos más cercanos en la colección, devolviendo los resultados.
La operación Retriever crea un objeto que puedes usar en otras partes del flujo para recuperar documentos de forma automática cuando sea necesario.

Operaciones

Este componente ofrece varias operaciones que puedes seleccionar según lo que necesites hacer. Solo puedes usar una operación a la vez:

  • Add: Añade documentos a la colección especificada.
  • Search: Busca los documentos más similares a una consulta de texto.
  • Retriever: Crea un objeto que permite recuperar documentos de forma programática.

Para usar el componente, primero selecciona la operación que necesitas en el campo Operation (Operación).

Entradas

Los siguientes campos están disponibles para configurar este componente. Cada campo puede estar visible en diferentes operaciones:

  • Embedding: Función que convierte tus datos en vectores.

    • Visible en: Add, Search, Retriever

  • Ingest Data: Lista de documentos que quieres almacenar.

    • Visible en: Add

  • Operation: Selecciona la operación que quieres ejecutar.

    • Visible en: Add, Search, Retriever

  • Collection Description: Descripción opcional de la colección.

    • Visible en: Add, Search, Retriever

  • Collection Name: Nombre de la colección donde se guardarán los vectores.

    • Visible en: Add, Search, Retriever

  • Other Connection Arguments: Parámetros adicionales para la conexión.

    • Visible en: Add, Search, Retriever

  • Consistencey Level: Nivel de consistencia de las lecturas.

    • Visible en: Add, Search, Retriever

  • Drop Old Collection: Si se activa, elimina la colección existente antes de crear una nueva.

    • Visible en: Add, Search, Retriever

  • Index Parameters: Parámetros para el índice de búsqueda.

    • Visible en: Add, Search, Retriever

  • Number of Results: Número de resultados que quieres devolver en una búsqueda.

    • Visible en: Add, Search, Retriever

  • Connection Password: Contraseña para la conexión (si es necesaria).

    • Visible en: Add, Search, Retriever

  • Primary Field Name: Nombre del campo que identifica cada documento.

    • Visible en: Add, Search, Retriever

  • Search Parameters: Parámetros adicionales para la búsqueda.

    • Visible en: Add, Search, Retriever

  • Search Query: Texto que quieres buscar. Deja vacío para obtener todos los documentos.

    • Visible en: Search

  • Text Field Name: Nombre del campo que contiene el texto original.

    • Visible en: Add, Search, Retriever

  • Timeout: Tiempo máximo de espera para las operaciones.

    • Visible en: Add, Search, Retriever

  • Connection URI: Dirección del servidor Milvus.

    • Visible en: Add, Search, Retriever

  • Vector Field Name: Nombre del campo que almacena el vector.

    • Visible en: Add, Search, Retriever

Salidas

  • Retriever: Objeto que permite recuperar documentos de forma programática.
  • Results: Lista de documentos encontrados en una búsqueda.
  • Vector Store: Referencia al almacén de vectores creado.

Ejemplo de Uso

Operación Add

  1. Selecciona Add en el campo Operation.
  2. Conecta tu modelo de Embedding.
  3. Pega o arrastra los documentos que quieres almacenar en Ingest Data.
  4. Configura el Collection Name (por ejemplo, my_docs).
  5. Haz clic en Run.
    El componente guardará los documentos en Milvus y mostrará un mensaje de éxito.
  1. Selecciona Search en el campo Operation.
  2. Conecta tu modelo de Embedding.
  3. Escribe la consulta en Search Query (por ejemplo, ¿Cuál es la política de privacidad?).
  4. Ajusta Number of Results si quieres más o menos resultados.
  5. Haz clic en Run.
    Los documentos más similares aparecerán en la salida Results.

Componentes Relacionados

  • Embedding – Convierte texto o imágenes en vectores.
  • Vector Store – Almacena y gestiona colecciones de vectores.
  • Retriever – Recupera documentos basados en consultas de vector.

Consejos y Mejores Prácticas

  • Asegúrate de que el servidor Milvus esté en funcionamiento antes de ejecutar el componente.
  • Usa un Connection URI que apunte al servidor correcto (por ejemplo, http://localhost:19530).
  • Si la colección ya existe y quieres reemplazarla, activa Drop Old Collection.
  • Ajusta Index Parameters para optimizar la velocidad de búsqueda según el tamaño de tu colección.
  • Guarda la contraseña en un lugar seguro y no la compartas en texto plano.

Consideraciones de Seguridad

  • La contraseña de conexión se almacena en el campo Connection Password; evita exponerla en logs o compartirla.
  • Si tu servidor Milvus está expuesto a Internet, habilita HTTPS y controla el acceso con autenticación.
  • Revisa los Other Connection Arguments para asegurarte de que no se expongan datos sensibles.