现场是这样的。pymilvus 2.4.4，collection 里加了 SPARSE_FLOAT_VECTOR 字段，建索引时照 dense 的写法填 IVF_FLAT，报 index type not supported for sparse vector field，插入也一起失败。
中间走过弯路，把「建索引与插入顺序颠倒，先写数据再改索引」当成主因，改完现象没变。
这类报错背后常见的原因有几处，逐个排除就行。稀疏向量只支持倒排类索引，不认 IVF 系列；metric_type 用了 L2，稀疏字段只接受 IP；pymilvus 与服务端版本不一致，枚举值被序列化成字符串。
动手时先确认字段类型与索引现状
python -c "from pymilvus import Collection;c=Collection('docs');print([(f.name,str(f.dtype)) for f in c.schema.fields])"然后用倒排索引重建稀疏字段
python -c "from pymilvus import Collection;c=Collection('docs');c.create_index('sparse_vec',{'index_type':'SPARSE_INVERTED_INDEX','metric_type':'IP'})"再往下加载集合并做一次稀疏检索
python -c "from pymilvus import Collection;c=Collection('docs');c.load();print(c.search([{1:0.9,3:0.4}],'sparse_vec',{'metric_type':'IP'},limit=5))"剩下的就是核对索引状态
python -c "from pymilvus import Collection;print(Collection('docs').indexes[1].params)"隔了一天再看，现象没变，说明不是偶发。
那几天正好在做别的变更，先把时间线对齐才敢动手。
怎么算真的好了，看的是同一批现象。索引状态为 Finished，稀疏检索能返回 5 条，分数随命中词权重单调上升。
稀疏字段可选的索引类型比稠密少得多，照抄 dense 的配置一定会被服务端拒掉。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。