Coze使用embedding报错修复

Coze使用了Milvus 向量数据库。
上次知识库报错：

dense_text_content vector dim 1024 not match collection definition, which has dim of 2048

清理 Milvus 数据目录并重启服务，但 错误依旧存在：

这说明 —— Milvus 中的 collection 仍然存在，且 schema 未被重建！

🚨 根本原因：Milvus 的元数据没有被清除！

我删除的是 ./data/milvus/* —— 这是 Milvus 的数据存储目录，但 collection schema（结构定义）是存储在 Milvus 的元数据系统中的，而元数据默认存储在 etcd 里！

也就是说：

✅ 删了向量数据
❌ 但没删 collection 定义（schema）→ 重启后 Milvus 从 etcd 恢复了旧的 2048 维 schema！

终极解决方案：同时清空 Milvus 数据 + ETCD 元数据

✅ 步骤一：彻底关闭服务

docker compose down

✅ 步骤二：清空 Milvus 数据目录 + ETCD 数据目录

rm -rf ./data/milvus/*
rm -rf ./data/bitnami/etcd/*

⚠️ 这会清空所有 Milvus 集合定义、索引、数据 —— 适合开发环境。生产环境请先导出或联系 DBA。

✅ 步骤三：重启依赖服务（etcd + minio + milvus）

docker compose up -d etcd minio
# 等待 etcd 和 minio 启动成功
sleep 10

docker compose up -d milvus

此时 Milvus 是“全新”的 —— 没有任何 collection。

✅ 步骤四：启动 coze-server，触发自动建表（1024维）

docker compose up -d coze-server

然后：

1. 访问 Coze Studio（http://localhost:8888）
2. 创建新知识库 → 上传文档 → 等待 Embedding 和向量化完成
3. 系统会自动创建新的 Milvus collection，维度 = OPENAI_EMBEDDING_DIMS=1024

✅ 验证是否成功

你可以进入 Milvus Web UI 或使用 pymilvus 查看当前 collection 的 schema：

方法一：使用 Milvus CLI（推荐）

# 进入 milvus 容器
docker exec -it coze-milvus bash

# 安装 milvus_cli（如果没装）
pip install pymilvus milvus-cli

# 连接本地 milvus
milvus_cli

然后执行：

connect -h localhost -p 19530
list_collections
describe_collection -c <你的collection名，如：coze_knowledge_12345>

你应该看到类似：

"fields": [
  {
    "name": "dense_text_content",
    "type": "FloatVector",
    "params": {
      "dim": 1024   # ✅ 必须是1024！
    }
  }
]

🛡️ 未来避免此问题

在切换 Embedding 模型或维度时：

1. 先删除知识库（在 Coze UI 中）
2. 再删 Milvus + ETCD 数据（或 drop collection）
3. 最后切换模型配置并重启

✅ 最终确认

操作完成后：

• 上传文档 → 触发 Embedding → 自动建表 → 向量插入成功 ✅

成功完成向量化

问答此知识库，正常返回上传内容：