官宣：Zilliz Cloud&Milvus发布CLI工具与官方Skill，让AI Agent成为专业VDB运维与开发助手

使用Zilliz Cloud&Milvus的时候，你有没有遇到过这些场景？

想在终端快速查个集群状态、做个备份，手动操作吧，却要翻半天控制台，找不到入口。

想让大模型帮你写一段 Milvus 代码，结果它幻觉出根本不存在的 API，跑都跑不起来。

想把向量数据库接入你的 Agent，自己写 Skill？写得太简略，工具调用频繁出错；写得详细，光文档就要啃一周。

这些问题的根源是一样的：向量数据库的能力很强，但从想法到操作之间的鸿沟太深了。

现在，Zilliz 正式推出 MilvusCLI工具与两款官方 Agent Skill（Milvus Skill、Zilliz Cloud Skill），把这条路缩短到只需一句话就能搞定。

开发者与运维人员只需通过自然语言指令，就能让 Claude Code、Cursor、Codex 等主流 AI Agent 生成精准可运行的代码、完成云端全生命周期管理——无需再记忆复杂的 API 参数或 CLI 命令。

以下是具体发布详情：

Milvus Skill：一句话写 pymilvus 代码，全链路覆盖

这款Skill能让AI Agent精通pymilvus SDK，覆盖Milvus向量数据库的完整操作链路，无需开发者手动编写复杂代码、查阅海量文档：

以下是两个简单的能力测试

（1）创建集合

以前你得这样写：

from pymilvus import MilvusClient, DataType

client = MilvusClient(uri="./milvus.db")

schema = client.create_schema(auto_id=True, enable_dynamic_field=True)

schema.add_field("id", DataType.INT64, is_primary=True)

schema.add_field("text", DataType.VARCHAR, max_length=2048)

schema.add_field("embedding", DataType.FLOAT_VECTOR, dim=768)

index_params = client.prepare_index_params()

index_params.add_index(field_name="embedding", index_type="AUTOINDEX", metric_type="COSINE")

client.create_collection(collection_name="articles", schema=schema, index_params=index_params)

现在只需说："Create a Milvus Lite collection called 'articles' with 768-dim vectors and a text field, then insert 5 sample documents about AI technology"

Agent 自动生成并执行完整代码，最终成功创建 collection 并列出详细信息：

（2）混合搜索

以前你得拼装两个 AnnSearchRequest，配置 RRFRanker，一不小心参数写错就静默返回空结果。

现在只需说："Create a collection with both dense vectors (768-dim) and sparse vectors, insert 5 sample documents, then perform a hybrid search with RRF reranking"

可以看到，从连接数据库、定义 Schema、创建索引到插入数据，一句话全部搞定。你还可以继续用自然语言进行搜索、查询、索引调优等操作，Agent 会始终生成正确的 pymilvus 代码。

完整能力一览

Zilliz Cloud Skill：自然语言驱动云端运维

如果说 Milvus Skill 解决的是写代码难，那 Zilliz Cloud Skill 解决的就是管集群烦的问题。这款 Skill 能让 AI Agent 精通 Zilliz CLI，覆盖云端全部管理操作。从集群管理到安全管控，一句话即可完成。

以下是一些效果展示案例：

（1）查看资源概览

以前： 打开控制台 → 切换项目 → 找到集群 → 点进 Collection 列表 → 逐个查看状态。

现在只要说："Show me the current Zilliz Cloud context and cluster status"

Agent 立即返回集群全貌——状态、规格、数据库、Collection 数据量，一目了然：

(2）向量查询

以前： 打开控制台 → 找到 Collection → 手动构造查询向量 → 设置参数 → 提交搜索。

现在只要说："Search 'byoc_whitepaper' for documents about 'What are the security benefits of BYOC architecture?', return top 3 results with text and page number"

Agent 自动完成文本转向量、发起搜索、格式化返回结果：

（3）集合创建

也只要一句话：Create a collection called "test_products" with id, name (varchar 256), price (float), and embedding (768-dim) fields

除了示例的3个简单例子，其还能进行数据备份、批量导入、安全管理以及运维监控等。无需记忆任何 CLI 参数，用自然语言描述你的运维需求，Agent 会自动转化为正确的命令并执行。

以下是Zilliz Cloud Skill 的完整能力一览

skill的安装与使用——一键上手，多平台适配，降低入门门槛

为了让所有开发者与运维人员都能快速使用这两款Skill，Zilliz已将其上架多个主流skills平台，支持一键安装。

立即安装

安装 milvus skill（pymilvus 开发）

npx skills add zilliztech/milvus-skill

安装 zilliz-cloud skill（云端管理）

npx skills add zilliztech/zilliz-skill

Github 仓库

• Zilliz Skill: https://github.com/zilliztech/zilliz-skill
• Milvus skill：https://github.com/zilliztech/milvus-skill

多平台适配

ClawHub：ClawHub 是OpenClaw 官方推出的公共Skills注册中心，直接在上面搜索 milvus skill或者 zilliz skill即可

Agentskill：agentskill.sh 是一个面向多种 AI 编程工具的第三方 Skill 聚合目录，收录了 Claude Code、Cursor、Copilot 等 20+ 工具的 10 万+ 技能包。https://agentskill.sh/ 直接在上面搜索

Zilliz CLI：终端一站式掌控 Zilliz Cloud 全能力

不想用 AI Agent？没关系。Zilliz CLI 是面向 Zilliz Cloud 的全功能命令行工具，控制台能做的，终端都能做。

跨平台一键安装

# macOS / Linuxcurl -fsSL https://raw.githubusercontent.com/zilliztech/zilliz-cli/master/install.sh | bash# Windows (PowerShell)irm https://raw.githubusercontent.com/zilliztech/zilliz-cli/master/install.ps1 | iex

核心操作示例

创建无服务器集群

zilliz cluster create --name staging --tier serverless --region us-east-1

向量检索

zilliz vector search --collection products --data "[0.1, 0.2, ...]" --limit5

创建每日备份

zilliz backup create --cluster staging --name nightly-backup

为自动化而生的企业级特性

完整官方文档参考：https://docs.zilliz.com/reference/cli/overview

尾声

在实际开发中，多数开发者会将以上能力组合使用：CLI 做终端与自动化、Zilliz Cloud Skill 做自然语言云端操作、Milvus Skill 做开源版开发。

除工具外，Zilliz 提供官方精选 Prompt 库，适配所有 AI 编程助手，确保向量数据库操作标准、高效、零错误：

AI Prompts for Zilliz Cloud:

https://docs.zilliz.com/docs/agents/zilliz-ai-prompts

AI Prompts for Milvus：

zilliz.com/blog/introducing-zilliz-cli-and-agent-skills-for-zilliz-cloud

文章来自于微信公众号 "Zilliz"，作者 "Zilliz"