ai相关:milvus:报错：pymilvus.exceptions.MilvusException: <MilvusException: (code=65535, message=the length(1024) of float data should divide the dim(1536))>

一，报错信息:

pymilvus.exceptions.MilvusException: <MilvusException: (code=65535, message=the length(1024) of float data should divide the dim(1536))>

二，原因

现这个报错的原因非常明确：传入 Milvus 的向量维度（1024）与 Milvus Collection 在创建时定义的维度（1536）不一致。

报错原因分析

报错信息拆解：

the length(1024) of float data should divide the dim(1536)

• length(1024)：你的 Embedding 模型（例如通义千问）实际生成并传入的向量维度是 1024。

• dim(1536)：Milvus 中对应的 Collection 设定的向量维度是 1536。

这通常是因为：

1. 使用了通义千问的 text-embedding-v3 模型（它的默认维度是 1024），但你在代码的 MilvusVectorStore(dim=1536) 中填了 1536。

2. 之前的旧 Collection 是按 1536 维创建的，后来更换了模型或修改了模型参数，导致维度对不上。

三，解决:

修改代码：

修改 MilvusVectorStore 的 dim 参数为 1024

如果你使用的是 text-embedding-v3，其默认向量维度就是 1024。

直接在代码中将 dim 修改为 1024：

例子：

# 1. 初始化 Milvus 向量存储
vector_store = MilvusVectorStore(
    uri="http://localhost:19530",   # Milvus 服务地址（若使用本地轻量版，可写为 "./milvus_demo.db"）
    collection_name="ai_service_docs", # 指定 Collection 名字
    dim=1024,                       # 向量维度（需与使用的 Embedding 模型维度一致）
    overwrite=True                 # 是否覆盖已存在的 collection
)