如何通过ID从PyMilvus中检索文档？技术实现求助

现有操作与问题 #

我已通过以下代码连接Milvus并选中集合：

connections.connect("default", host=cfg.db.connection.host, port=cfg.db.connection.port)
collection = Collection(name="ibss")

通过向量搜索能获取包含ID的结果，但entity始终为空：

query_vector = SentenceTransformerEmbeddings().embed_query(SOME_TEXT_HERE)
search_params = {
    "metric_type": "L2",
    "params": {"nprobe": 10},
}

results = collection.search(data=[query_vector], param=search_params, anns_field = "vector", limit = 3, output_fields = [])

# 想通过ID获取对应文本以便删除
for hits in results:
    for hit in hits: 
        print(hit)
        break

输出示例：

id: 445499747977925765, distance: 0.24354277551174164, entity: {}

尝试通过ID检索文档时返回空结果：

entity_id = 445499747977925765

# 定义过滤条件
filter_expr = f"id == {entity_id}"

# 带过滤条件搜索
a = collection.search(
    data=[],
    anns_field="",
    param={"filter": filter_expr},
    limit=1
)

数据导入方式 #

我使用LangChain的Milvus.from_documents导入数据：

from langchain.vectorstores import Milvus
vector_db = Milvus.from_documents(
    deduplicated_documents,
    SentenceTransformerEmbeddings(),
    connection_args={"host": cfg.db.connection.host, "port": cfg.db.connection.port},
    collection_name=cfg_data.target.collection.name,
    drop_old=cfg_data.target.collection.renew
)

解决方案 #

1. 明确LangChain创建的Milvus集合字段 #

LangChain的Milvus.from_documents默认会创建以下字段：

• id：主键（默认int64类型）
• vector：向量字段
• text：存储文档内容的字段
• 额外元数据字段（取决于你的Document对象结构）

2. 正确通过ID检索的两种方法 #

方法一：使用collection.query()（推荐）

search()是向量检索接口，必须传入向量数据；按主键ID查询属于精准匹配，用**query()**更合适：

entity_id = 445499747977925765
# 指定要返回的字段，比如text和自定义元数据字段
result = collection.query(
    expr=f"id == {entity_id}",
    output_fields=["text"]
)
print(result)

方法二：用search()实现（不推荐，无必要）

必须传入合法向量（可生成同维度随机向量），同时指定anns_field和过滤条件：

import numpy as np
entity_id = 445499747977925765
filter_expr = f"id == {entity_id}"
# 生成和你的向量维度一致的随机向量（示例为768维）
dummy_vector = np.random.rand(768).tolist()

results = collection.search(
    data=[dummy_vector],
    anns_field="vector",
    param={"metric_type": "L2", "params": {"nprobe": 10}, "filter": filter_expr},
    limit=1,
    output_fields=["text"]
)

3. 解决entity为空的问题 #

在search()时需指定实际存在的output_fields，比如：

results = collection.search(
    data=[query_vector],
    param=search_params,
    anns_field="vector",
    limit=3,
    output_fields=["text"]  # 这里填写需要返回的字段名
)

内容的提问来源于stack exchange，提问作者Areza