用 PHP 玩向量数据库：一个从小说网站开始的小尝试
有时候折腾东西的起因特别随意。比如我这次，就是从一个“带点颜色”的小说网站开始的。网站里全是几万字的短文，看着还不错，但限制也不少：每天只能看几篇，而且没有任何搜索功能。
于是我写了个爬虫，把所有小说都抓了下来。数据一下子堆到本地，看似自由了，但新的麻烦随之而来——几万篇文章放在那里，如果想找某个题材、某种情节，几乎不可能。用关键词搜索顶多能凑合，但语义差一点就找不到，体验并不好。
这时我想到了向量数据库。
为什么用 Milvus
我的服务器规格很小，只有 2 核 2G，根本跑不动本地的 Milvus，更别说大规模向量化了。好在 Milvus 有托管服务，而且带免费额度。这样我就能换个思路：
- Mac 本地：用开源模型先做文本向量化，把长篇小说切分成小段（比如 200 个汉字一块），再计算对应的向量。
- Milvus 云端：专门存储和管理这些向量，负责后续的相似度检索。
- 查询时：把搜索词同样向量化，发到 Milvus 去比对，得到语义上更接近的内容。
另外，向量化这一步我用的是 SiliconFlow 提供的模型，免费额度足够支撑实验，算是“白嫖”资源也能玩得转。
为什么要写 PHP 库
可能有人会问：Milvus 不是有 Python、Go SDK 吗？为什么非要用 PHP？
原因其实很简单：我的整个小说爬虫和阅读项目，本身就是用 PHP 写的。再硬插一门语言进去，工程会很乱。于是干脆自己写了一个 PHP 库，把常见的操作封装起来：
- 创建集合（类似于建表）
- 插入数据（上传向量和原文片段）
- 向量检索（传入一个向量，返回相似度最高的结果）
- 删除集合、清理数据
这样一来，整个流程都能在 PHP 项目里顺利跑通。
怎么用
举个简单的例子。假设我有一段文本 "这是一个测试文本"，先在本地算好向量（这里假设是 [0.12, 0.85, ...]），然后通过库上传：
use Hejunjie\Milvus;$baseUrl = "http://your-milvus-host"
$apiKey = "your-apikey"$client = new Milvus\Client($baseUrl, $apiKey);// 插入数据
$client->entities()->insert("novels", ['article_id' => 14271'title' => '测试小说','content' => '这是一个测试文本','vector' => [0.12, 0.85, ...]
]);// 搜索
$results = $client->entities()->search("novels", [[0.11, 0.80, ...], // 搜索内容，通过 SiliconFlow 转换为向量[0.11, 0.80, ...], // 支持多个数据查询[0.11, 0.80, ...]
], 10);
print_r($results);
这样就能查到与输入向量最接近的 10 段文本。通过查询到的 id 就可以在本地数据库中查询对应的小说。
对我来说，只要输入大概的剧情方向，Milvus就能把拥有相似片段的小说找出来，比传统关键字搜索好用太多。
支持的方法
这个小库目前支持 Milvus 的常见操作，大致分成几类：
- 集合（Collections） ：创建、删除、重命名、加载/释放、获取状态、设置属性等。
- 分区（Partitions） ：创建、删除、加载/释放、查看列表、检查是否存在。
- 索引（Indexes） ：创建、删除、查看详情，或者列出所有索引。
- 别名（Aliases） ：创建、修改、删除别名，也可以查看现有别名。
- 向量数据（Entities） ：插入、更新（upsert）、删除、查询、向量搜索。
- 其它：比如自定义请求、获取集合的统计信息等等。
简单来说，该有的基本操作都覆盖了，足够支撑一个小型项目的使用。
我的收获
这个库严格来说不算“生产级”，但它让我有一些新的体会：
- 向量数据库没那么遥远。不一定要做推荐系统或大模型项目，哪怕只是个人的小需求，也能用上。
- PHP 也能玩。虽然传统上大家都觉得 PHP 跟 AI 没关系，但只要敢接 API，就能接上去。
- 动手才有意思。一开始只是因为“不爽”写了个爬虫，后来一步步衍生到向量搜索，最后顺手写了个小库。整个过程不算严肃，但很有乐趣。
所以说，整个过程严格意义上没什么“高大上”的地方，就是一个普通人遇到小问题，忍不住折腾了一下，最后顺手造了个小轮子。
现在呢，我终于可以随心所欲地在几万篇小说里搜索想要的片段了，再也不用翻到眼花还找不到 😂
项目地址 👉 zxc7563598/php-milvusr