我正在进行一个Python的RAG项目，其中使用Milvus作为向量数据库，并使用llama-index来设置项目。我已经完成了Milvus数据库的设置，编写了文档嵌入的代码，在Milvus集合中我创建了一个模式，并添加了三个索引，其中两个是标量索引，一个是向量索引。
def _create_indexes(self, collection: Collection): """在集合上创建索引""" try: collection.drop_index() # 清除任何现有索引 except Exception as e: logger.warning(f"没有现有索引需要删除: {e}") collection.create_index(field_name="account_id", index_name="account_id_index") collection.create_index(field_name="file_id", index_name="file_id_index") index_params = { "index_type": "IVF_FLAT", "metric_type": "IP", "params": {"nlist": self.config.nlist}, } collection.create_index( field_name="embedding", index_params=index_params, index_name="embedding_index", ) collection.load()Milvus正在被填充，所有三个索引也正在被创建。在此之后，为了进行搜索，我尝试以以下方式创建MilvusVectorStore的实例。
self._store = MilvusVectorStore( uri=self.config.uri, collection_name=collection_name, dim=self.config.embedding_dim, similarity_metric="IP", embedding_field="embedding", index_name="embedding_index", search_config={ "metric_type": "IP", "params": {"nprobe": self.config.nprobe}, "index_name": "embedding_index", }, index_config={ "field_name": "embedding", "index_type": "IVF_FLAT", "metric_type": "IP", "params": {"nlist": self.config.nlist}, "index_name": "embedding_index", },)但是，由于我有多个索引，我遇到了以下错误
pymilvus.decorators - ERROR - RPC错误: [describe_index], <AmbiguousIndexName: (code=1, message=存在多个索引，请指定index_name。)>, <Time:{'RPC start': '2024-12-17 17:24:17.551945', 'RPC error': '2024-12-17 17:24:17.584774'}>看起来我在初始化MilvusVectorStore实例时犯了一些错误，特别是index_config和search_config参数。
我不知道在这一过程中应该如何指定index_name（错误信息就是这么说的）。谁能帮帮我？
回答：
我找到了一种临时方法来指定索引名称。首先，导入pymilvus配置。
from pymilvus.settings import Config然后在创建MilvusVectorStore实例之前，将索引名称设置到pymilvus配置中，所以在我的情况下变成了，
# 将索引名称设置到配置中Config.IndexName = "embedding_index"# 创建MilvusVectorStore实例self._store = MilvusVectorStore( uri=self.config.uri, collection_name=collection_name, dim=self.config.embedding_dim, similarity_metric="IP", embedding_field="embedding", index_name="embedding_index", search_config={ "metric_type": "IP", "params": {"nprobe": self.config.nprobe}, "index_name": "embedding_index", }, index_config={ "field_name": "embedding", "index_type": "IVF_FLAT", "metric_type": "IP", "params": {"nlist": self.config.nlist}, "index_name": "embedding_index", },)