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多向量表示的单向量表示来解决多向量搜索缓慢的问题。此单向量可用于使用传统向量搜索方法进行快速初始检索，然后可使用多向量表示对前几个结果进行重新排序。
Kacper Łukawski
2025年9月5日
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。
Qdrant 内部结构
深入了解 Qdrant 高性能向量搜索引擎的内部工作原理。探索 Qdrant 向量搜索引擎所基于的架构、组件和设计原则。
数据探索
了解如何利用向量相似性而不仅仅是搜索。揭示数据中的隐藏模式和见解，提供建议，并导航数据空间。
机器学习
探索使现代语义相似性搜索成为可能的机器学习原理和实践。将 Qdrant 和向量搜索功能应用于您的机器学习项目。
miniCOIL：迈向可用稀疏神经网络检索之路
推出 miniCOIL，一个轻量级稀疏神经网络检索器，能够进行泛化。
Evgeniya Sukhodolskaya
2025年5月13日
信息检索中的相关性反馈
相关性反馈：从古代历史到大型语言模型。为什么相关性反馈技术在理论上很好，但在神经网络搜索中并不流行，以及我们能做些什么。
Evgeniya Sukhodolskaya
2025年3月27日
现代稀疏神经网络检索：从理论到实践
现代稀疏神经网络检索器综合指南：COIL、TILDEv2、SPLADE 等。了解它们如何工作以及如何有效地使用它们。
Evgeniya Sukhodolskaya
2024年10月23日
RAG & 生成式AI
利用 Qdrant 进行检索增强生成 (RAG) 并构建 AI 代理
使用 Qdrant 构建高性能、可扩展的代理向量搜索
了解如何构建高性能、可扩展的 AI 代理，包括高效的向量检索、混合密集-稀疏搜索、实时内存、多模态上下文集成以及针对生产环境中低延迟、高精度执行优化的架构。
Thierry Damiba
2025年10月26日
什么是代理式 RAG？使用 Qdrant 构建代理
代理是 AI 中的新范式，它们正在改变我们构建 RAG 系统的方式。了解如何使用 Qdrant 构建代理以及选择哪个框架。
Kacper Łukawski
2024年11月22日
通过基于评估的方法优化 RAG
了解如何使用 Quotient 等 LLM 评估工具测试和迭代改进 Qdrant 驱动的 RAG 应用程序。
Atita Arora
2024年6月12日
实际案例
构建模块和参考实现可帮助您开始使用 Qdrant。了解如何使用 Qdrant 解决现实世界问题并构建下一代 AI 应用程序。
生态系统
围绕 Qdrant 向量搜索引擎的工具、库和集成。
Qdrant 2024 年编程之夏 - 基于 WASM 的降维
我作为 Qdrant 2024 年编程之夏参与者的旅程，致力于使用基于 WebAssembly (WASM) 的降维技术增强向量可视化。
Jishan Bhattacharya
2024年8月31日
FastEmbed：Qdrant 高效的 Python 嵌入生成库
了解如何使用 FastEmbed 准确高效地创建文本嵌入。
Nirant Kasliwal
2023年10月18日
Google 2023 年编程之夏 - 用于可视化和探索的 Web UI
我作为 Google 2023 年编程之夏学生参与 Qdrant 的“用于可视化和探索的 Web UI”项目的旅程。
Kartik Gupta
2023年8月28日