Zilliz Cloud è appena arrivato in Claude Code
Il Terminale è la Nuova Console per Creare App AI
Nell'ultimo decennio, i prodotti di infrastruttura per sviluppatori hanno competuto sul campo di battaglia dell'interfaccia utente: dashboard più pulite. Wizard di onboarding più raffinati. Migliori visualizzazioni dei dati. Aveva senso quando gli esseri umani erano l'interfaccia principale.
Ma ora, gli agenti di coding AI — Claude Code, Cursor, Codex, GitHub Copilot — sono diventati l'ambiente in cui gli sviluppatori trascorrono ormai la maggior parte delle loro ore produttive. Non cliccando tra schede del browser. Non passando continuamente alle console web. Lavorando dentro una sessione del terminale, in stato di flow, con un'AI che comprende il loro intento.
L'implicazione per l'infrastruttura è profonda: il futuro non sarà deciso da chi ha la migliore dashboard web. Sarà deciso da chi si integra in modo più naturale nel workflow AI dello sviluppatore.
Ecco perché abbiamo creato lo Zilliz Cloud Plugin per Claude Code.
Presentazione dello Zilliz Cloud Plugin per Claude Code
Il Zilliz Cloud Plugin ufficiale è ora disponibile nel Claude Code Plugin Marketplace. Porta tutta la potenza di Zilliz Cloud — gestione dei cluster, operazioni sulle collection, ricerca vettoriale, RBAC, backup e osservabilità — direttamente nel tuo terminale Claude Code sotto forma di conversazioni in linguaggio naturale.
Installalo una volta. Poi descrivi semplicemente ciò di cui hai bisogno in inglese semplice, proprio dove stai già lavorando:
- "Crea una nuova collection chiamata product_embeddings con 1536 dimensioni e un indice HNSW ottimizzato per la similarità coseno."
- "Esegui una query di test con questo vettore e mostrami i primi 5 risultati con i metadata."
- "Qual è l'utilizzo della memoria sul mio cluster prod in questo momento?"
Claude Code traduce il tuo intento in comandi CLI precisi, li esegue e restituisce risultati strutturati — senza che tu debba mai lasciare il terminale. Il tuo database e il tuo codice ora evolvono allo stesso ritmo, all'interno dello stesso workspace.
Cosa Puoi Fare con Zilliz Cloud Plugin
| Funzionalità | Cosa Puoi Fare |
|---|---|
| Gestione dei Cluster | Creare, scalare, mettere in pausa, riprendere e monitorare cluster su AWS, GCP e Azure |
| Operazioni sulle Collection | Creare collection, definire schemi e gestire indici con definizioni dei campi in linguaggio naturale |
| Ricerca Vettoriale | Eseguire query di similarità, ricerca ibrida dense-sparse e query multi-vettore direttamente |
| Operazioni sui Dati | Inserire, eseguire upsert, eliminare e caricare dati in blocco senza passare a un client separato |
| RBAC e Sicurezza | Gestire ruoli, utenti e policy di controllo degli accessi dalla stessa sessione |
| Backup e Ripristino | Attivare backup, elencare snapshot e ripristinare collection su richiesta |
| Osservabilità | Interrogare pressione sulla memoria, statistiche di throughput e salute degli indici in tempo reale |
| e altro! |
Come Iniziare con Zilliz Cloud dal Tuo Claude Code
Requisiti:
• Python 3.10+
• Un account Zilliz Cloud (se non ne hai uno, registrati qui gratis)
Installa dal marketplace di Claude Code:
/plugin install zilliz@zilliztech/zilliz-plugin
Oppure aggiungi tramite marketplace:
/plugin marketplace add zilliztech/zilliz-plugin
Poi esegui il quickstart guidato:
/zilliz:quickstart
Il quickstart ti guida nell'installazione di zilliz-cli, nell'autenticazione con il tuo account Zilliz Cloud e nella connessione al tuo primo cluster. In pochi minuti eseguirai ricerche vettoriali dal tuo terminale.
Perché Zilliz Cloud per le Tue App AI?
Zilliz Cloud è il servizio cloud completamente gestito costruito su Milvus — il database vettoriale open-source più ampiamente distribuito al mondo, con oltre 43.000 stelle su GitHub e deployment in produzione presso più di 10.000 aziende. Oltre alla base open-source, Zilliz Cloud aggiunge ciò che i deployment di produzione seri richiedono davvero:
• Prestazioni su scala di miliardi. Recupero sotto i 10 ms per ricerca semantica, pipeline RAG, workflow agentici e sistemi di raccomandazione in tempo reale — progettato per la scalabilità, non aggiunto a posteriori.
• Zero overhead operativo. Replica, failover, scalabilità e upgrade sono gestiti automaticamente. Il tuo team rilascia funzionalità, non ticket operativi.
• Progettato appositamente per carichi di lavoro AI. Query multi-vettore, recupero ibrido dense-sparse, indicizzazione accelerata da GPU e filtraggio dei metadati ad alta cardinalità — creato dal team che ha sviluppato Milvus.
• Deploy ovunque. Cluster serverless per la sperimentazione. Cluster dedicati per prestazioni prevedibili. Disponibile su AWS, GCP e Azure.
• Affidabilità e sicurezza di livello enterprise – SLA del 99,95%, certificazioni SOC 2 Type II e ISO 27001, conformità GDPR, predisposizione HIPAA, RBAC, BYOC, failover cross-region e ora audit log. Consulta il nostro trust center per maggiori informazioni.
• Scalabilità elastica ed efficienza dei costi. Deployment con un clic, autoscaling serverless e prezzi pay-as-you-go.
• Migrazione senza interruzioni. Strumenti integrati per migrare da Pinecone, Qdrant, Elasticsearch, PostgreSQL, OpenSearch, vettori AWS S3, Weaviate o Milvus on-prem.
Unisciti alla conversazione
Stiamo costruendo un futuro in cui l’intero stack della tua applicazione AI — dai modelli di embedding all’archiviazione vettoriale fino alla logica di recupero — vive in un workflow coerente e accessibile agli agenti. Il Plugin Zilliz Cloud per Claude Code è un passo significativo in quella direzione.
Provalo. Mettilo alla prova. Dicci di cosa hai bisogno dopo.
Trovaci su Discord, GitHub, oppure taggaci su X o LinkedIn con #ZillizCloud.
Continua a leggere
Stop Building AI Data Infra for the Wrong Stage
Learn how AI data infrastructure should evolve from prototype to enterprise scale, and when Vector Lakebase becomes the right architecture for AI apps.
What Is a Vector Lakebase?
A Vector Lakebase is a unified, lake-native data architecture for AI that combines vector-database-grade serving with open lake storage, reusable lake-level indexes, and a shared semantic layer.
DeepSeek Always Busy? Deploy It Locally with Milvus in Just 10 Minutes—No More Waiting!
Learn how to set up DeepSeek-R1 on your local machine using Ollama, AnythingLLM, and Milvus in just 10 minutes. Bypass busy servers and enhance AI responses with custom data.