logo
  • 开发
  • 部署
  • 生态系统
  • 学习
  • API 参考
登录 免费开始
logo
  • 开发
  • 部署
  • 生态系统
  • 学习
  • API 参考

文章

向量搜索手册
Qdrant 内部结构
数据探索
机器学习
RAG & 生成式AI
实际案例
生态系统

文章

向量搜索手册
Qdrant 内部结构
数据探索
机器学习
RAG & 生成式AI
实际案例
生态系统

向量搜索手册

使用 Qdrant 全面掌控您的向量数据。了解如何轻松存储、组织和优化向量,以实现高性能相似性搜索。

了解更多
Preview
MUVERA:提升多向量性能

在许多基准测试中,多向量表示优于单向量嵌入。MUVERA 嵌入旨在通过创建近似于多向量表示的单向量表示来解决多向量搜索速度缓慢的问题。该单向量可用于使用传统向量搜索方法进行快速初始检索,然后使用多向量表示对顶部结果进行重新排序。

Kacper Łukawski

2025年9月5日

Preview
如何选择嵌入模型

构建合适的搜索功能需要针对您的特定用例选择正确的嵌入模型。本指南将根据性能、成本和其他实际考量因素,帮助您完成选择过程。

Kacper Łukawski

2025年7月15日

Preview
生产环境中的向量搜索

我们汇总了最受推荐的技巧和窍门,以确保您的生产部署顺利运行。

David Myriel

2025年4月30日

Qdrant 内部结构

深入了解 Qdrant 高性能向量搜索引擎的内部机制。探索 Qdrant 向量搜索引擎所构建的架构、组件和设计原则。

了解更多
Preview
Qdrant 中的 TurboQuant

TurboQuant — 来自 Google Research 的一种新的基于旋转的向量量化算法 — 现已在 Qdrant 1.18 中发布,并附带了使其能够处理实际嵌入的扩展功能。

Ivan Pleshkov & Jonas Schulz

2026年5月13日

Preview
专为向量搜索而生

为什么附加向量搜索看起来不错——直到您真正使用它。

Evgeniya Sukhodolskaya & Andrey Vasnetsov

2025年2月17日

Preview
隆重推出 Gridstore:Qdrant 的自定义键值存储

我们为什么以及如何构建自己的键值存储。关于我们流程和结果的一份简短技术报告。

Luis Cossio, Arnaud Gourlay & David Myriel

2025年2月5日

数据探索

了解如何利用向量相似性进行超越搜索的应用。揭示数据中隐藏的模式和见解,提供推荐,并导航数据空间。

了解更多
Preview
基于距离的数据探索

利用 Qdrant 的降维、聚类和可视化工具,以新的视角探索您的数据。

Andrey Vasnetsov

2025年3月11日

Preview
发现需要上下文

Discovery Search,一种限制搜索所执行向量空间的创新方法,仅依赖于向量。

Luis Cossío

2024年1月31日

Preview
向量相似性:超越全文搜索 | Qdrant

了解向量相似性如何将数据探索扩展到全文搜索之外。探索多样性采样及更多功能,以实现更出色的数据发现!

Luis Cossío

2023年8月8日

机器学习

探索实现现代语义相似度搜索的机器学习原则和实践。将 Qdrant 和向量搜索功能应用于您的机器学习项目。

了解更多
Preview
Qdrant 中的相关性反馈

自 1.17.0 版本起推出的向量搜索原生相关性反馈功能背后的故事,它以低成本、大规模地普遍提高了搜索结果的相关性。

Evgeniya Sukhodolskaya

2026年2月20日

Preview
miniCOIL:迈向可用稀疏神经网络检索之路

介绍 miniCOIL,一种具备泛化能力的轻量级稀疏神经检索器。

Evgeniya Sukhodolskaya

2025年5月13日

Preview
信息检索中的相关性反馈

相关性反馈:从古代历史到大语言模型 (LLM)。为什么相关性反馈技术在理论上很好,但在神经搜索中却不受欢迎,以及我们可以做些什么。

Evgeniya Sukhodolskaya

2025年3月27日

RAG & 生成式AI

利用 Qdrant 进行检索增强生成 (RAG) 并构建 AI 智能体

了解更多
Preview
使用 Qdrant 构建高性能、可扩展的代理向量搜索

了解如何通过高效的向量检索、混合稠密-稀疏搜索、实时记忆、多模态上下文集成以及针对低延迟、高准确度生产环境优化的架构,构建高性能、可扩展的 AI 智能体。

Thierry Damiba

2025年10月26日

Preview
什么是代理式 RAG?使用 Qdrant 构建代理

智能体是 AI 的一种新范式,它们正在改变我们构建 RAG 系统的方式。了解如何使用 Qdrant 构建智能体,以及如何选择框架。

Kacper Łukawski

2024年11月22日

Preview
通过基于评估的方法优化 RAG

了解如何使用像 Quotient 这样的 LLM 评估工具来测试和迭代改进基于 Qdrant 的 RAG 应用程序。

Atita Arora

2024年6月12日

实际案例

帮助您上手 Qdrant 的构建块和参考实现。了解如何使用 Qdrant 解决现实世界中的问题并构建下一代 AI 应用程序。

了解更多
Preview
电商搜索的稀疏向量微调 | 第 5 部分:从研究到产品

稀疏嵌入系列的第 5 部分。我们将第 1-4 部分的整个训练流程打包成了一个开源命令行界面 (CLI) 和 Web 仪表板,可在几分钟内为任何产品目录微调 SPLADE 模型。

Thierry Damiba

2026 年 3 月 9 日

Preview
电商搜索的稀疏向量微调 | 第 4 部分:专用化与通用化

关于为电子商务搜索微调 SPLADE 稀疏嵌入的 5 部分系列文章的第 4 部分。测试跨领域泛化,训练多领域模型,并决定何时进行专门化与泛化。

Thierry Damiba

2026 年 3 月 9 日

Preview
电商搜索的稀疏向量微调 | 第 3 部分:评估与难负样本

关于为电子商务搜索微调 SPLADE 稀疏嵌入的 5 部分系列文章的第 3 部分。在 Qdrant 中索引产品、运行检索基准测试,并实施 ANCE 难负样本挖掘,从而比 BM25 提升 28%。

Thierry Damiba

2026 年 3 月 9 日

生态系统

围绕 Qdrant 向量搜索引擎的工具、库和集成。

了解更多
Preview
Qdrant 2024 年编程之夏 - 基于 WASM 的降维

我作为 2024 年 Qdrant 代码之夏 (Summer of Code) 参与者的旅程,致力于利用基于 WebAssembly (WASM) 的降维技术增强向量可视化。

Jishan Bhattacharya

2024年8月31日

Preview
FastEmbed:Qdrant 高效的 Python 嵌入生成库

了解如何使用 FastEmbed 准确且高效地创建文本嵌入。

Nirant Kasliwal

2023年10月18日

Preview
Google 2023 年编程之夏 - 用于可视化和探索的 Web UI

我作为 2023 年 Google 代码之夏 (Google Summer of Code) 学生,参与 Qdrant“可视化与探索 Web UI”项目的旅程。

Kartik Gupta

2023年8月28日

准备好开始使用 Qdrant 了吗?

免费开始
© 2026 Qdrant.
条款 隐私政策 法律声明 (Impressum) 招聘隐私政策 Cookie 同意