大规模教授向量数据库 - Alfredo Deza | 向量空间对话

“所以通常会有人问我，你为什么用 Qdrant？有什么了不起的？你为什么选择它而不是其他所有向量数据库？对我来说，除了它享有盛誉或被认可、运行得相当好之外，归结到一点就是，这里有一个核心要素至关重要，那就是它必须非常直接、非常容易设置，这样我才能教授它。因为如果它很容易，或者说易于或直接易于教授，那么你就可以更进一步，让它稍微复杂一些，围绕它构建其他东西，这也会带来很棒的开发和学习体验。。”
— Alfredo Deza

Alfredo 是一名软件工程师、演讲者、作家，也是前奥运选手，目前在 Microsoft 从事开发者关系工作。他写过几本关于编程语言和人工智能的书籍，并创建了关于云计算和机器学习的在线课程。

他目前是杜克大学的兼职教授，作为其工作的一部分，他与世界各地的大学密切合作，如佐治亚理工学院、杜克大学、卡内基梅隆大学和牛津大学，并在这些大学经常进行关于技术的客座讲座。

在 Spotify、Apple Podcast、Podcast addicts、Castbox 上收听本期节目。您也可以在 YouTube 观看本期节目。

主要要点

一位像 Alfredo Deza 这样的前运动员是如何进入 AI 和机器学习行业的？这就是我们将在本期《向量空间对话》中探讨的内容。让我们了解他作为一名奥运选手的背景如何提供了关于一致性和纪律的独特视角，这在该行业中真正改变了局面。

以下是您将从本期节目中了解到的一些内容

1. 教学与技术的交汇点： Alfredo 讨论了如何有效弥合技术概念与学生理解之间的差距，尤其是在处理向量数据库等复杂主题时。
2. 简化学习： 深入了解 Alfredo 对教学方法简化的倡导，这反映了他使用 Qdrant 的方法以及在 Rust 中实现内存驻留的可能性，旨在增强学习体验。
3. 超越“泰坦尼克号”数据集： 了解为什么 Alfredo 更喜欢使用他自己开发的葡萄酒数据集进行教学，这强调了在教育中使用引人入胜的题材的重要性。
4. AI 学习加速： Alfredo 讨论了大学在跟上 AI 进步方面面临的困境，以及在线平台如何提供更及时的课程。
5. 一致性是关键： Alfredo 将高水平体育运动所需的纪律与 AI 领域的持续学习旅程相提并论，重点阐述了他关于保持一致性的口头禅：“没有什么秘密”。

有趣的事实：Alfredo 讲述了运动员 Dick Fosbury 发明“背越式跳高”（Fosbury Flop）的故事，以强调教学简易性的重要性。

节目笔记

00:00 教授机器学习和面向研究生的 Python。
06:03 Azure AI search service 简化教学，Qdrant 促进学习。
10:49 关于跳高风格的争议。
13:18 拥抱过去获取灵感，强调一致性。
15:43 持续学习和实践带来成功。
20:26 教授 SQL 使用 SQLite，Rust 存在局限性。
25:21 在线平台改进并加速教育。
29:24 杜克大学和 Coursera 提供专业语言课程。
31:21 对葡萄酒的热情，创建多样化数据集。
35:00 鼓励向量数据库讨论，总结。\

Alfredo 的更多语录

“Qdrant 让一切变得简单明了。我在我的课程中使用了它的内存驻留版本，我希望能在 Rust 中看到类似的设置，让教学变得更容易。”
— Alfredo Deza

“检索增强生成（Retrieval augmented generation）有点像开卷考试。大型语言模型是学生，它们有一本开卷书，可以看到答案，然后用自己的话重新组织并提供答案。”
— Alfredo Deza

“对于 Qdrant，我很欣赏它的 Python API 使用起来非常简单。它避免了像 Rust 后端系统那样需要运行数据库实际实例所带来的复杂性。”
— Alfredo Deza

文字记录

Demetrios：大家好，欢迎回到又一期向量空间对话。我是 Demetrios，今天和我在一起的是老朋友 Sabrina。你在哪儿，Sabrina？你好？

Sabrina Aquino：你好，Demetrios。我来自巴西。我现在就在巴西。我知道你目前正在旅行。

Demetrios：你在哪里？我在巴黎的 Kubecon。太棒了。但我迫不及待想加入今天的访谈，因为 Alfredo 要来了。

Alfredo Deza：怎么了，伙计？你好。你好吗？

Demetrios：我很好，哥们。好久不见了。我想我们上次聊天是两年前，也许就在你书出版前？你书什么时候出的？

Alfredo Deza：是的，差不多那个时候。我说是几年前吧。是的。我和 no gift 合著了《实践机器学习运维》。这本书由 O’Reilly 出版。

Demetrios：是的。我想那是两年前。所以你从那时起做了很多事。老实说，你可能是互联网上最活跃的人之一。我总是喜欢看你在做什么。你把你接触的一切都带来了巨大的价值。我非常激动能和你聊这接下来的 30 分钟。

Alfredo Deza：是的，当然。

Demetrios：也许我们就从这里开始。我们一会儿会深入聊聊你在做什么，以及这个领域现在的样子。没错。但我很想听听你过去两年都做了些什么，因为我没和你聊过。

Alfredo Deza：是的，没错。嗯，实际上，做了几件不同的事。我们上次聊完后，我加入了 Microsoft，从事开发者关系工作。Microsoft 有一个庞大的开发者关系团队。基本上，对我来说，这标志着我从常规软件工程转向了。我之前主要做软件工程，觉得也许随着我出版了一些书和课程，是时候更多地投入教学和提供有用的内容了，这确实非常有益。在开发者关系中，或者说总的来说在倡导工作中，这有点像一种教学方式。我们从技术的角度展示技术，以及它如何工作。

Alfredo Deza：除了这些，我还开始与几所不同的大学密切合作。我与佐治亚理工学院、牛津大学、卡内基梅隆大学和杜克大学合作，我在杜克大学也担任了几年兼职教授。所以在杜克大学，我每年教几门课。一门是关于机器学习的。去年是机器学习运维，今年我想，希望我没搞错什么，我想我们会稍微转向大型语言模型的运维。在秋季，我为想加入研究生项目并希望获得 Python 入门知识的研究生教授编程课。所以我教一点那方面的东西。

Alfredo Deza：同时，我也与杜克大学合作，在 Coursera 上发布了许多课程，从大型语言模型到使用 Azure 做事情，再到机器学习运维，再到 Rust，我最近做了很多 Rust 相关的工作，我非常喜欢。所以，是的，做了很多不同的事情，但我认为对我来说，核心支柱仍然是能够教学和传播知识。

Demetrios：太棒了，哥们。我知道你一直在深入研究向量数据库。你能多告诉我们一些吗？

Alfredo Deza：是的，嗯，问题在于，当你试图教学时，是的，我们针对大型语言模型开设的课程之一就是应用检索增强生成（retrieval augmented generation），这是向量数据库的基础，用来看看它是如何工作的。它是这样工作的。这是你需要的组件。让我们从零开始创建一个应用程序，看看它如何工作。对于那些不知道的人来说，检索增强生成有点像拥有…前几天我看到一个关于这个的描述，我非常喜欢，它是一种方式，有点像开卷考试。大型语言模型是学生，他们有一本开卷书，可以看到答案，然后用自己的话重新组织并提供答案，这有点像我们在检索增强生成模式下使用向量数据库所做的事情。我们提供了很多关于如何做这些事情的例子，在 Azure 的情况下，你需要启用某些服务。

Alfredo Deza：有 Azure AI search service，它非常好用。但有时当你专门教授时，拥有一个非常直接的方法来做这件事会很有用，而应用或创建一个检索增强生成模式，我认为有点棘手。我们还没有达到可以用一种很好的、直接的方式来做它的程度。所以有几种不同的选择，Qdrant 就是其中之一。所以通常会有人问我，你为什么用 Qdrant？有什么了不起的？你为什么选择它而不是其他所有向量数据库？对我来说，除了它享有盛誉或被认可、运行得相当好之外，归结到一点就是，这里有一个核心要素至关重要，那就是它必须非常直接、非常容易设置，这样我才能教授它。因为如果它很容易，或者说易于或直接易于教授，那么你就可以更进一步，让它稍微复杂一些，围绕它构建其他东西，这也会带来很棒的开发和学习体验。如果某件事非常复杂，如果需求列表非常长，你就不会很开心，你会花所有时间去弄清楚。就像自动化一样，当你有一份需要做的 20 件事的清单，比如部署一个网站，你会把顺序搞乱，你会忘记一件事，你会打错字，你会搞砸，你不得不从头开始，你会陷入无法摆脱的困境。而 Qdrant 提供了一种非常直接的方法来运行数据库，那就是使用 Python 的内存驻留实现。

Alfredo Deza：所以你安装完库后，实际上可以写几行 Python 代码，说我想实例化一个向量数据库，并让它在内存中运行。所以对于教学来说，这太棒了。就像，嘿，当然这不是用于生产，但只需写这几行代码，我们就可以直接开始了。让我们开始填充这些数据，看看它如何工作。而且它确实工作。太棒了。你不需要拥有所有这些，比如，哇，让我们在这里启动 Kubernetes，然后拥有所有这些动态的东西。不用，为什么？我的意思是，当然，如果你想创建一个商业模式，最终想上线生产，并且希望这一切运行完美，没问题。

Alfredo Deza：但对于这种设置，就像为了理解它如何工作一样，为了迈出理解向量数据库的婴儿步骤，这太完美了。我唯一的要求，或者说我唯一的愿望是，希望 Rust 也能有那个内存驻留功能。那将非常棒，因为我认为那样会使教授 Rust 和使用 Rust 进行检索增强生成变得容易得多。我就不用担心启动容器或外部服务了。这就是 Rust 的情况。我再给你讲最后一个故事，关于为什么我认为专门让入门变得容易以便我能够教授它，从而让其他人可以从中学习，这一点至关重要。我想说差不多 50 年前，也许还要多一点，我父亲去了意大利参加了一个关于田径运动的课程。我父亲从事体育运动，他当时正在参加这个，我想是为期六个月的田径专业课程。

Alfredo Deza：他当时在上课，高跳刚从一种风格过渡到另一种。之前的风格，现在是旧风格，有点像，它有点像翻越杆。它有点像一种奇怪的风格。最近它过渡到了一种叫做“背越式跳高”（Fosbury flop）的技术。这个人，他的姓氏是 Dick Fosbury，他发明了背越式跳高。他说，不，我就直接冲向它，然后做一个小弧线，然后跳过去。然后他就这么做了，然后他开始赢得一切。

Alfredo Deza：每个人都想，这家伙是怎么回事？首先他们觉得他疯了，他们对他尝试做的事情不屑一顾。有些人非常固执，想坚持旧风格，但后来他开始打破纪录并赢得奖牌，所以人们就想，嗯，这是个好事吗？让我们试试看。所以就有了...他们都在质疑。这真的是该做的吗？这真的是我们应该做的事吗？所以我父亲在意大利进修时不得不回答的一个问题是，哪种风格更好，是旧风格还是新风格？我父亲说，是新风格。他们问他，为什么新风格更好？他没有选择回答说，因为这个人刚刚赢得了奥运会，或者他刚刚在这里创造了一个记录，这些最终都毫无意义。他说的是，它是更好的风格，因为它更容易教授，这是 100%正确的。当你教授跳高时，教授背越式跳高比教授另一种风格要容易得多。

Alfredo Deza：那真的太难了。所以你开始在教学和学习中看到这种平行关系，但是用这种（指新风格），你创造了所有的世界纪录，一切都很顺利。太棒了。但是，会有人去尝试吗？会有更多人关注它还是更少？我们在这里想做什么？对吧。

Demetrios：老实说，我真没想到你是怎么从跳高话题过渡到向量数据库领域的，但你做得很流畅。干得漂亮。所以，基本上，越容易教授，就会有越多的人能够加入进来，也会有越多的人能够从中获得价值。

Sabrina Aquino：顺便说一句，我非常喜欢。Alfredo，很高兴认识你。我本来正想问你。我喜欢你作为奥运选手的背景。对吧。我想知道，你是否将这个背景与你目前的教学和人工智能领域联系起来，或者它们是如何互动的？你是否看到了那种方法应用到你现在的工作中的相似之处或是什么东西？

Alfredo Deza：嗯，你提出了一个很好的问题。我花了好长时间才习惯谈论我的职业运动生涯。我不想让人觉得我在夸耀什么或者炫耀自己。所以我通常 চেষ্টা 不提及，尽管我现在对提及我的职业过往感到更自在。但是，我认为谈论它的唯一好处是，我觉得这样做可能有一小部分机会让某人思考他们实际上可以做什么以及可以尝试什么的可能性。那些看似复杂的事情可能是可以实现的。所以你提到了相似之处，但我认为当你是一名运动员时，无论在哪项运动中，当你试图达到或正在最高水平上运作时，都会发生几件事。你必须保持一致。

Alfredo Deza：这也是我教我的孩子们的。我的一个孩子会说，“我今天做了很多运动”，然后一个星期什么都不做。然后他说，“现在我要再做运动了。”然后他会做 4 个小时。就像是，等等，等等。没关系。你想做。这很好。

Alfredo Deza：但不要急于求成。你需要保持一致。哦，爸爸，你不让我锻炼，我说，不是不让你锻炼。很好，我支持你，但你必须保持一致，慢慢增加强度，慢慢变得更好。学习也是如此。我们处在一个概念和事物发展如此之快的时代，以至于事物过时得更快。所以你总是在这种不断学习的状态中。所以我想说，相似之处在于一致性。

Alfredo Deza：你必须不断学习，不断努力。但不能像那样，哦，今天我要把这本书从头到尾读完，然后你就能学到关于，我不知道，Rust 的一切。就像是，嗯，不，尝试每天花一点时间应用 Rust，并慢慢熟悉它。到最后你会做得更好。比如，你不能以高强度进行，因为你会筋疲力尽，你会不堪重负，然后就无法继续了。你不是通过锻炼几个月就能参加奥运会的。实际上，很久以前，一个记者问我，你为备战奥运会训练了几个月？我说，你说的几个月是什么意思？我为此训练了一辈子。我们在说什么？

Demetrios：我们不是在谈论几个月或几年。我们在谈论的是一生，对吧？

Alfredo Deza：所以你得放松点。你不能那样做。除此之外，还有一致性。一致性与纪律是相辅相成的。我 2006 年来到美国。我不是那种生在秘鲁然后来到美国，没有学位的人。我没上大学。好吧，我上了几个月大学然后就辍学了，我没有职业，也没有经验。

Alfredo Deza：我当时刚结婚不久。我之前从未工作过，因为我曾经是一名职业运动员。我唯一决定要做的事情就是把工作做得出色，努力投入，并努力保持学习，永不停止学习。在我心里深处，我想，哦，我有一个巨大的知识鸿沟需要通过学习来弥补。实际上，我非常尊重和感激所有为我打开大门并给我机会的人，其中一位是 Noah Giff，我与他合著了几本书和一些课程。他实际上教会了我写 Python。我当时不知道怎么编程。他说，你知道吗？我认为你应该学习写一些 Python。

Alfredo Deza：我当时想，Python？我为什么需要学那个？但我还是学了。他说，我们找点东西来自动化吧。我的意思是，这真是一个好主意。找点东西来应用自动化。然后每周五，我们就看看进展，就这样。我们做了好一阵子。然后他说，你知道吗？你应该申请在 Python 大会演讲。我刚开始学怎么能在大会上演讲？他说你的视角不同。

Alfredo Deza：你刚刚开始学习这些东西。你会以一种有趣的方式来做。所以我认为这些概念对我来说非常重要。保持纪律，保持一致，并坚持下去。秘密就是没有什么秘密。这是最根本的。你必须保持一致。否则总会找借口。

Alfredo Deza：非常简单。

Demetrios：秘密就是没有什么秘密。这太美妙了。所以你刚才提到了一个想法，哦，我希望 Qdrant 和 Rust 能有更多互动。你能多谈谈吗？因为人们喜欢 Qdrant 的一个原因是它用 Rust 构建的。对吧。但我也知道你之前提到过，我们能否在某些方面简化一点，这样我就不用处理那些你刚才说的什么？容器。

Alfredo Deza：是的，没错。现在，如果你想做一个概念验证，我总是选择最简单、最直接、最不麻烦的事情，越少越好。而用 Python，Qdrant 的 Python API，你只需要写几行代码，就可以说我想创建一个内存驻留实例，然后就搞定了。数据库就为你创建好了。这非常相似，或者我应该说几乎与你运行 SQLite 的方式完全相同。SQLite 是你可以创建在内存中的嵌入式数据库。实际上，这也是我教 SQL 的方式。

Alfredo Deza：当我必须教 SQL 时，我使用 SQLite。我认为它很完美。但在 Rust 中，就像你说的，Qdrant 的后端是用 Rust 构建的。目前没有内存驻留实现。所以你需要运行一个 Qdrant 数据库的实际实例。你有几个选择，但其中一个可能意味着你需要启动一个运行 Qdrant 的容器，然后连接到那个实例。所以在教学时，开发环境是受到限制的。要么你在某个实验室里，比如 Crusader 有实验室，但它们是自包含的。

Alfredo Deza：要让它们 100%运行起来有点棘手。你无法同时运行多个容器。所以事情就开始变得更复杂了。不仅对学习者来说更复杂，而且在这种情况下，对于像我这样的老师，想要弄清楚如何在一个非常受限的环境中让这一切运行起来，也变得棘手。顺便说一句，我催促了团队，他们告诉我也许将来某个时候他们可以施展一些魔法，在 Rust 端实现内存驻留功能，我认为那会非常棒。

Sabrina Aquino：我们这边也会提倡这个。我们也会提出这个要求。而且我认为这真的很好。它确实让事情变得更容易。我作为一个不久前的学生，确实明白你的意思。在课堂时间有限的情况下，很难快速地把所有东西都弄好，学生可能会... 我不知道，这很复杂。我确实明白你的意思。

Sabrina Aquino：你同时在科技行业和学术界工作，我认为这非常有趣。我总觉得这两个领域有时有点脱节。我想知道你认为考虑到 AI 领域现在发展如此之快，这两个领域的合作有多重要？你有什么想法？

Alfredo Deza：嗯，我不喜欢概括，但我现在要概括一下。我想说大多数大学都落后好几步，高等教育尤其涉及许多复杂性。最重要的是，这些机构通常相当庞大，而对于庞大的机构，你会遇到什么？哦，你会遇到任何你想做的事情所需的奇妙的官僚流程。比如，“哦，你需要和那个需要授权的部门谈谈，那个部门又需要去其他部门”，然后就像，“我要修改课程”。就像是，“不行，你不能。”这是什么意思？我实际上和大学的教职人员聊过，他们说，“听着，课程大纲，是的，我们明白，我们需要更新，但我们每五年才修改一次课程大纲。”

Alfredo Deza：所以，过一阵子见。已经三年了。我们还有两年要等。几年后再见。这对现在的学生是有害的。我明白。构建课程大纲非常困难。

Alfredo Deza：教职人员需要付出大量工作才能把课程大纲弄出来。所以从教职人员的角度来看，这就像是即使他们更新了课程大纲，他们也不会得到更多报酬。

Demetrios：对。

Alfredo Deza：而且这现在是一项巨大的工作，当然，这会损害学习者的利益。学生将得不到应有的服务，因为他们不得不学习相当过时的课程。现在，有些情况和有些项目并非如此。在杜克大学，我和几位教授合作过。他们正在教授 Llama file，这是由 Mozilla 构建的。Llama file 是什么时候出来的？也就几个月前。我认为这太棒了。我认为这些技能是学生今天需要的，不仅是为了学习这些东西，而且还能在找工作时应用它们，甚至在日常工作中专业地应用它们，这是事情的一个方面。

Alfredo Deza：但还有另一方面。就杜克大学而言，以及其他一些大学，他们正在使用这些在线平台，这样他们可以更快地推出课程。你真的需要经过一个四年的课程才能理解检索增强生成是如何工作的吗？或者如何实现它？我认为不需要，但是你是否通过一个可能需要几周时间学习并变得相当熟练的课程会更好？我会说，是的，100%。你会看到一些机构正在推出一些有意义、有用的课程，它们可以应对事物所需的速度。我认为这很好。而且我认为有时我们倾向于把知识和学习事物看作是在一个泡沫里，尤其是在美国。我认为存在这样一种观念，大学是所有美好事物发生的神奇地方。如果你不去上大学，你的情况就会变得很糟糕。

Alfredo Deza：我认为那不是真的。我认为如果你喜欢大学，如果你喜欢高校，完全可以利用它。你想体验它，那听起来很棒。我认为在大学或学院环境之外也有很多机会可以做到这一点，而且可以参加有资质的教师的在线课程。他们有良好的资历。不是那种只是随便丢点关于生成式 AI 的东西就开讲的人。

Demetrios：像你这样的人。

Alfredo Deza：嗯，如果你愿意的话。是的，当然，为什么不呢？我的意思是，确实有学生非常喜欢我的教学风格。我认为那很棒。如果你不喜欢我的教学风格，有时候我可能会讲得慢一点，因为我不想让任何人感到不知所措。这都没关系。但机会是存在的。当我提到这些事情时，人们会说，哦，真的吗？我不是在为 Coursera 或其他任何平台做广告，但其中一些平台，如果你支付月费，我觉得在 40 到 60 美元之间。

Alfredo Deza：我认为就比较贵的来说，你可以利用所有这些课程，想学多少就学多少。有时候甚至公司会说，嘿，你有付费订阅，去学所有的课吧。我遇到过这样的人。就像，这太不可思议了。我学到了很多。太棒了。我认为这是多种方式的结合。我不认为存在一个二元答案，比如，哦，你需要做这个，或者不，别做那个，然后一切都会好起来。

Demetrios：是的。你能多谈谈你的课程吗？如果我想上 Coursera，我可以期待什么？

Alfredo Deza：你知道，再说一次，尽管我喜欢谈论我的课程和我做的事情，但我想强调的是，如果有人正在观看这个视频或听我们谈话，找到一些你感兴趣的东西，然后找到一个能提供那点东西，那点有趣的内容的课程，然后去尝试一下。我认为这是最好的方式。不要被淹没。就像是，这是我应该学的正确的向量数据库吗？这个老师好吗？我说，不，去尝试一下。会发生什么？当你观看 Netflix 或其他任何流媒体平台上糟糕的电视剧或纪录片时，你会不喜欢吗？你只是因为付了每月 10 美元，所以你就坚持看完这个你不喜欢的 20 集东西吗？那毫无意义。没关系。继续前进。

Alfredo Deza：所以话虽如此，尤其是在 Coursera 上与杜克大学合作方面，我们倾向于发布那些将在我的教学项目中使用的课程。例如，我们刚刚发布了大型语言模型专业化，一个专业化课程组包含四到六门课程。所以在其中，我们有例如使用 Azure 进行大型语言模型操作，生成式 AI 入门，使用 Qdrant 构建一个非常简单的 RAG 模式。我还有关于如何使用 Azure AI search 进行操作的示例，我也认为那很酷。如何使用 Llama file 在本地进行操作，我认为那也很棒。你可以让所有这些大型语言模型在本地运行，然后你加入一点 Qdrant，然后你就有了 RAG 模式。现在，我倾向于用我真正喜欢的东西进行教学，我给你举个例子。

Alfredo Deza：我认为有三个数据集是所有机器学习和数据科学中最常用的三个数据集之一。它们是波士顿住房市场数据集，美国的糖尿病数据集，另一个是泰坦尼克号数据集。所有人都用这些。我不太明白为什么。我的意思是，也许我确实明白为什么。因为它们很容易，很干净，可以直接使用。这些数据集从来没有出过问题，而且每个人都用得厌烦了。但对我来说，你无法说服我使用其中任何一个，因为这些主题我真的不关心，它们没有引起我的共鸣。

Alfredo Deza：特别是泰坦尼克号数据集，简直太糟糕了。好吧，如果我 37 岁，在头等舱，而且是男性，我会幸存下来吗？这就像，我们在这里想做什么？这对任何人有什么用处？

Alfredo Deza：所以我倾向于使用我喜欢的东西，而我非常热爱葡萄酒。所以我构建了我自己的数据集，这是一个收集了世界各地葡萄酒的数据集，它们有评分，有产区，有葡萄品种，有品鉴笔记和葡萄酒的名字。所以当我教授他们时，我就像，看这个，这太棒了。这是来自世界各地的葡萄酒。所以让我们在这里做一些事情。所以，对于 RAG，我在课程中也能够做的是。我，啊，我真的很了解阿根廷的葡萄酒，但对于这些葡萄酒，如果你能帮我找到的不是马尔贝克，而是也许是品丽珠，那会很棒。

Alfredo Deza：那太棒了。它经过 Qdrant，然后回到 llama file，使用某个大型语言模型，甚至小型语言模型，比如 Microsoft 的 Phi 2，我认为非常好。然后它会告诉你。是的，没问题。我知道你想喝点好酒。这里有一些我能提供给你的好东西。所以这很棒，对吧？我认为这很棒。所以我认为对于教学者或演讲者来说，那些令人感兴趣的东西，我认为是关键，因为当你谈论那些非常无聊、你根本不在乎的事情时，事情对你来说不会顺利。

Alfredo Deza：我的意思是，如果我不喜欢教学，如果我不喜欢向量数据库，你马上就会看出来。就像是，“嗯，是的，我一直在用向量数据库。它们挺好的。是的，Qdrant，非常好。”你马上就会看出来。我不会撒谎。非常好。

Demetrios：你骗不了任何人。

Alfredo Deza：不。

Demetrios：嗯，伙计，这太棒了。我们会把链接发到聊天里。我们也会把课程链接发到聊天里，这样万一有人想和你一起踏上这段葡萄酒品鉴之旅，他们就可以。而且我相信学生们在学习过程中会迸发出各种各样的创造力，因为当你谈论那个时候，我心里想，哦，用世界各地的滑雪场做类似的东西，那会很酷。如果我想要这种类型的滑雪场，我就直接问我的聊天机器人。所以我很期待看到人们用它创造出什么。我也非常感谢你来这里，抽出时间，和我们聊了这么多。一如既往，Alfredo，很高兴。

Demetrios：非常感谢。

Alfredo Deza：是的，谢谢。谢谢邀请我。总是很高兴和你聊天。我认为 Qdrant 的产品非常可靠。希望我希望的 Rust 内存驻留功能能够实现，但我明白。有时会有其他优先级。都挺好的。是的。

Alfredo Deza：如果有人想联系我，我主要在 LinkedIn 上很活跃。总是很高兴与大家联系，聊聊学习、进步，以及如何成为一个更好的人。

Demetrios：太好了。好吧，我们今天的节目就到这里。如果还有其他人想来和我们聊聊向量数据库，我们随时欢迎。请随时与我们联系。各位，记住，不要在向量空间里迷失方向。我们下一期再见。