Hi, @rgupta2508 did you considered creating the scalar indexes using the collection instance?

collection.create_index(field_name=field_name, index_name=f"{field_name}_index")

你好，@rgupta2508,你考虑过使用集合示例创建标量索引吗？

collection.create_index(field_name=field_name, index_name=f"{field_name}_index")

@RafaelXokito 是的，我们可以使用集合示例像这样创建索引，但想法是在开始嵌入之前使用langchain创建集合。目前，如果集合不存在，将创建集合。
起初我们不知道集合是否存在，如果集合存在，则不需要在集合中进行索引，但是如果在嵌入过程中创建了新集合，我们立即希望添加索引，因为在嵌入完成后，在该列上添加索引需要一些时间。
但是是的，使用pymilvus,我们可以完成所有操作。

我认为我没有理解您的担忧，但这是我建议创建您想要的所有标量索引的方法：

pymilvus.connections.connect(uri=uri)
_is_new_collection = not pymilvus.has_collection(collection_name)
if _is_new_collection:
    collection = Collection(collection_name, _source_schema.schema)

    index_params = {
        "metric_type": "L2",
        "index_type": "HNSW",
        "params": {"M": 8, "efConstruction": 64},
    }
    collection.create_index(_source_schema.vector.name, index_params=index_params)

    existing_index_names = {index.field_name for index in collection.indexes}
    for field_name in ["scalar_1", "scalar_2"]:  #Specify which scalar field names you want
        if field_name not in existing_index_names:
            collection.create_index(field_name=field_name, index_name=f"{field_name}_index")
    collection.load()

_vector_store = Milvus(embedding_function=self._embedding_function,
                                               collection_name=collection_name)

请考虑milvus会保留一个连接池，该连接池可以通过“别名”进行重用。这使得这种方法非常可靠。

@rgupta2508 我不认为我理解了你的担忧，但这是我建议创建所有标量索引的方法：

pymilvus.connections.connect(uri=uri)
_is_new_collection = not pymilvus.has_collection(collection_name)
if _is_new_collection:
    collection = Collection(collection_name, _source_schema.schema)

    index_params = {
        "metric_type": "L2",
        "index_type": "HNSW",
        "params": {"M": 8, "efConstruction": 64},
    }
    collection.create_index(_source_schema.vector.name, index_params=index_params)

    existing_index_names = {index.field_name for index in collection.indexes}
    for field_name in ["scalar_1", "scalar_2"]:  #Specify which scalar field names you want
        if field_name not in existing_index_names:
            collection.create_index(field_name=field_name, index_name=f"{field_name}_index")
    collection.load()

_vector_store = Milvus(embedding_function=self._embedding_function,
                                               collection_name=collection_name)

请考虑到milvus会保留一个连接池，该连接池可以通过"别名"重用。这使得这种方法非常可靠。
好的，现在我明白了，你是建议使用pymilvus创建集合，并使用langchain milvus对象进行嵌入。但是在调用嵌入API后，我们可以获得向量，而向量的维度是从langchain中用于创建集合的向量中获取的。你能建议一下吗？我不确定我们应该如何处理这个问题。但是我们可以在创建集合后尝试创建标量索引。

感谢您的反馈，请告诉我如果您在任何情况下需要帮助。