Zvec Agent Skills 通过向 AI 助手注入 Zvec 的领域知识，让它不仅能调用工具，还能像一个熟悉 Zvec 的开发者一样思考。安装后，你只需描述业务场景，AI 就能给出完整的 Schema 设计、索引策略和可运行的代码。

Zvec是阿里巴巴开源的嵌入式向量数据库，提供毫秒级的大规模向量相似度搜索能力。作为一个 in-process 库，Zvec 可以直接嵌入到应用程序中运行，无需额外的服务器部署和配置。它支持稠密向量、稀疏向量、混合检索（语义搜索 + 标量过滤），并且支持 HNSW、IVF、Flat 等多种索引类型，以及 RabitQ 等量化技术。Zvec 的核心引擎使用 C++ 编写，官方已经提供了 Python

Zvec是阿里巴巴开源的嵌入式向量数据库，提供毫秒级的大规模向量相似度搜索能力。作为一个 in-process 库，Zvec 可以直接嵌入到应用程序中运行，无需额外的服务器部署和配置。它支持稠密向量、稀疏向量、混合检索（语义搜索 + 标量过滤），并且支持 HNSW、IVF、Flat 等多种索引类型，以及 RabitQ 等量化技术。Zvec 的核心引擎使用 C++ 编写，官方已经提供了 Python

Zvec 脱胎于阿里巴巴内部久经考验的向量检索引擎 Proxima，在继承其高性能向量索引能力的基础上，补齐了数据库层面的完整能力：持久化存储、Schema 管理和演进、标量过滤、崩溃恢复等。另外 Zvec 还针对开源的场景重新优化了向量索引和距离计算的算法实现，性能进一步提升。本文将深入剖析 Zvec 的整体架构和关键设计决策。

Zvec MCP Server 通过 MCP（Model Context Protocol） 协议，将 Zvec 的全部能力以标准化工具的形式暴露给 AI 助手。配置完成后，AI 可以在对话中直接调用向量数据库操作——无需你离开编辑器，无需手写任何代码。

本教程在前述教程（DashVector + ModelScope玩转多模态检索）的基础之上，基于DashScope上新推出的ONE-PEACE通用多模态表征模型结合向量检索服务DashVector来对多模态检索进行升级，接下来我们将展示更丰富的多模态检索能力。

UI Agent 是基于终端屏幕理解操作手机/车机/电视/PC等终端的多模态智能体方案。支持跨应用操作且无需训练，即插即用。

本文主要介绍通过DashVector和ModelScope中的Chinese Clip模型实现文搜图、图搜图等功能，同时结合DashText SDK实现sparse vector+dense vector混合检索，熟悉sparse vector的使用方法，提高检索效率。

向量检索服务免费试用啦，玩转大模型生成式检索！

可基于如下动态文件操作接口能力获取处理好的文件信息，支持智能体应用的 API 调用通过 parameters.agent_options.session_files 参数完成“动态文档解析”工具的文件数据注入。