Lindorm Vector Migrate Skill：AI 驱动的向量数据库迁移新范式-阿里云开发者社区

Lindorm Vector Migrate Skill 正式发布——为阿里云 Lindorm 搜索引擎打造的向量数据迁移助手，覆盖从 Milvus、Elasticsearch、Lindorm、Qdrant 及 CSV 文件迁移向量数据至 Lindorm 的全链路场景，支持断点续传、自动预检、DDL 生成、迁移后校验与业务代码改造建议。
随着 AI 应用的爆发，越来越多的业务系统开始使用向量数据库支撑语义搜索、推荐系统、RAG 问答等场景。当团队决定将向量数据从 Milvus、Elasticsearch、Qdrant 等源端迁移到阿里云 Lindorm 时，往往会面临一系列挑战：
通用大模型擅长通用编程知识，但对 Lindorm 搜索引擎的私有协议（端口 30070、knn_vector 字段类型、_bulk 写入语法、IVFPQ/IVFBQ 离线构建等）缺乏准确认知。例如，通用模型可能错误地使用 ES 8.x 的 knn section 语法，或遗漏 IVFPQ 索引必须添加 "knn.offline.construction": true 的关键配置。Lindorm Vector Migrate Skill 让 AI 的回答优先基于 Lindorm 官方知识，从根源上提升迁移的准确性和一次成功率。
Lindorm Vector Migrate Skill 将迁移全链路与 AI 助手深度结合，开发者通过自然语言对话即可完成从参数收集到业务切换的完整迁移：
Lindorm Vector Migrate Skill（alibabacloud-lindorm-vector-migrate-skill）是为阿里云 Lindorm 搜索引擎打造的 AI 迁移工具，覆盖 5 种源端、7 步完整工作流、迁移前中后全链路自动化。
URI（Lite/Server/Zilliz Cloud）+ Token
Milvus Lite 本地文件、自建 Milvus、Zilliz Cloud
主机+端口（默认 9200）+ Basic Auth
PIT + search_after / Scroll（自动选择）
自建 ES、Elastic Cloud、阿里云 ES
主机+端口（默认 30070）+ Basic Auth
URL 或 主机+端口（默认 6333）+ API Key
自建 Qdrant、Qdrant Cloud
OSS Endpoint + AK/SK
此外，还支持导出到 CSV 模式：从源库索引导出 CSV 文件 → 用户上传 OSS → 衔接 CSV 导入流程。适用于源端与目标端网络不通、需要人工审核中间数据等场景。
通过对话逐项收集源端/目标端连接参数、迁移选项，索引名未知时自动列出源端所有索引/集合供选择
连接验证、Python 依赖检查、数据量估算（采样 100 条 × 总数）、存储空间对比、字段类型兼容性校验、TTL 检测、路由字段验证
根据源端 schema 生成 Lindorm ES-compatible mapping JSON，含距离度量映射、索引方法选择（HNSW/IVFPQ/IVFBQ）、分片数、TTL 配置
源端只读、凭据从环境变量读取（不落盘）、并发写入+背压控制、进度实时汇报
TeeWriter 双写日志文件，SIGTERM/SIGINT 信号处理，Agent 自动提取断点信息并恢复
行数校验、随机抽样比对（标量逐字段 + 向量余弦相似度）、IVFPQ/IVFBQ 构建状态轮询、TTL 专项校验
根据源端类型提供分源端改造 Checklist，含连接层、查询语法、写入接口、分页方式的具体代码替换示例
支持在 DDL 生成和数据迁移两个环节同时排除指定字段
所有密码、Token、AK/SK 通过环境变量传入，不写入脚本或配置文件，fallback 值为空字符串
完整 DDL JSON 必须通过用户确认后方可执行，不以简要描述替代
选择清空目标索引时必须二次确认后才执行删除
迁移前提示停写建议，用户可选择"已停写"、"知悉风险继续"或"取消"
发布前，我们完成了 17 个端到端迁移测试用例 的系统评测，覆盖 5 种源端（Milvus / Elasticsearch / Lindorm / Qdrant / CSV-OSS）、3 种索引方法（HNSW / IVFPQ / IVFBQ）、7 大能力类别。每个用例由两个独立子 Agent 分别在「使用 Skill（可读 SKILL.md + references/）」与「不使用 Skill（仅凭通用模型知识）」两种条件下执行完整迁移流程，共 34 个子 Agent 分 3 批次并行执行。
with-skill vs without-skill 对比评测 · 17 测试用例 · 7 大能力类别
每个测试用例由两个独立子 Agent 分别在「使用 Skill（可读 SKILL.md + references/）」与「不使用 Skill（仅凭通用模型知识）」两种条件下执行完整迁移流程（7 步工作流），然后对比产出差异。评分维度包含 7 项：① 流程合规（7 步工作流 + MUST 约束）、② 迁移正确性（行数 + 抽样）、③ API 知识（源端特有 API 决策）、④ DDL 质量（类型映射 + 索引方法参数）、⑤ 安全性（凭据管理）、⑥ 健壮性（断点续传 + 并发控制）、⑦ 代码改造建议（分源端 API 替换代码），每题满分 100 分。
直接写入后查询，或用 _forcemerge 替代
DDL 设置 knn.offline.construction: true → 写入 → Build API → 30s 轮询至 ready
仅接受 Milvus/ES/Lindorm/Qdrant，选择"其他"时拒绝处理
无论用户如何催促，必须展示完整 DDL JSON 并等待确认
不检测 ILM policy 或仅提示手动处理
自动检测 ILM delete 阶段 min_age → 转换为行级 TTL
os.environ.get("PASSWORD", "root123")
os.environ.get("LINDORM_PASSWORD", "") — fallback 必须为空字符串
Skill 的必要性得到充分验证。 17 个覆盖 5 种源端（Milvus / ES / Qdrant / Lindorm / CSV）+ 3 种索引方法（HNSW / IVFPQ / IVFBQ）的端到端迁移场景中，Lindorm Vector Migrate Skill 使 Agent 加权平均分从 66.3 跃升到 100（提升 +33.7 分）。尤其在离线索引构建（Delta +32.7）、安全防护（Delta +34.4）、CSV 导入（Delta +37.7）三大类别中，通用模型几乎零覆盖，Skill 的加入使通过率从约 66% 提升至 100%，验证了这些 Lindorm 特有知识完全超出通用模型边界，必须通过 Skill 注入。
用户提问："帮我把 Milvus 里的向量数据迁移到 Lindorm"