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生产环境低延迟、高精度执行的优化架构，构建高性能、可扩展的 AI 智能体。
Thierry Damiba
2025年10月26日
RAG & 生成式AI
利用 Qdrant 实现检索增强生成 (RAG) 并构建 AI 智能体
什么是代理式 RAG？使用 Qdrant 构建代理
智能体是 AI 领域的一种新范式，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，以及如何选择合适的框架。
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 等大模型 (LLM) 评估工具来测试并迭代优化基于 Qdrant 的 RAG 应用程序。
Atita Arora
2024年6月12日
语义缓存：以闪电般的数据检索速度加速 AI
语义缓存通过实现快速数据检索，正在重塑 AI 应用程序。探索其实现方式如何为您的 RAG 设置带来益处。
Daniel Romero, David Myriel
2024年5月7日
什么是 RAG：理解检索增强生成
探索 RAG 如何使大模型在生成响应时能够检索并利用相关的外部数据，而非仅局限于其原始训练数据。
Sabrina Aquino
2024 年 3 月 19 日
RAG 已死吗？向量数据库在向量搜索中的作用 | Qdrant
揭秘向量数据库对于 RAG 的必要性，并了解 Qdrant 向量数据库如何以无与伦比的准确性和成本效益赋能企业级 AI。
David Myriel
2024年2月27日