大规模教授向量数据库 - Alfredo Deza | Vector Space Talks

“所以通常我会被问到，你为什么要用 Qdrant？有什么了不起的？你为什么要选择这些而不是其他的？对我来说，这归结为，除了它声名卓著或广受认可之外，它运行得相当好。这里有一个核心组件至关重要，那就是它必须非常简单，非常容易设置，这样我才能教授它，因为如果它很容易，或者说很容易或直接地教授，那么你就可以迈出下一步，你可以让它更复杂一些，围绕它放一些其他的东西，这会创造一个很棒的开发体验和学习体验。”
—— Alfredo Deza

Alfredo 是一名软件工程师、演讲者、作家，曾是奥运会运动员，现就职于微软的开发者关系部门。他撰写了多本关于编程语言和人工智能的书籍，并创建了关于云和机器学习的在线课程。

他目前是杜克大学的兼职教授，作为其职责的一部分，他与乔治亚理工学院、杜克大学、卡内基梅隆大学和牛津大学等世界各地的大学密切合作，经常就技术主题进行客座讲座。

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

主要收获

像 Alfredo Deza 这样的前运动员是如何进入人工智能和机器学习行业的呢？这正是我们将在本期《向量空间对话》中探讨的。让我们了解他作为奥运会运动员的背景是如何为一致性和纪律性提供独特视角的，这在该行业中是一个真正的游戏规则改变者。

以下是您将从本期节目中发现的一些内容

1. 教学与技术的交汇点：Alfredo 讨论了如何有效地弥合技术概念和学生理解之间的鸿沟，尤其是在处理像向量数据库这样复杂的主题时。
2. 简化学习：深入了解 Alfredo 对简化教学方法的倡导，这反映了他对 Qdrant 的方法以及 Rust 内存实现（旨在增强学习体验）的潜力。
3. 超越泰坦尼克号数据集：了解 Alfredo 为何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主题的重要性。
4. 人工智能学习加速：Alfredo 讨论了大学在跟上人工智能进步方面面临的困境，以及在线平台如何提供更具时效性的课程。
5. 一致性是关键：Alfredo 将高水平运动所需的纪律与人工智能中持续的学习之旅进行了类比，重点阐述了他的座右铭：“没有秘密”以保持一致性。

趣闻：Alfredo 讲述了运动员 Dick Fosbury 发明福斯贝里式跳高的故事，以突出教学简易性的重要性。

节目笔记

00:00 教授研究生机器学习、Python。
06:03 Azure AI 搜索服务简化教学，Qdrant 促进学习。
10:49 关于跳高风格的争议。
13:18 拥抱过去以获取灵感，强调一致性。
15:43 持续学习和练习带来成功。
20:26 教授 SQL 使用 SQLite，Rust 有局限性。
25:21 在线平台改善并加速教育。
29:24 杜克大学和 Coursera 提供专业语言课程。
31:21 对葡萄酒的热爱，创建多样化数据集。
35:00 鼓励向量数据库讨论，总结。

Alfredo 的更多引言

“Qdrant 使其变得简单。我们在课堂上使用它的内存版本，我很希望看到 Rust 中有类似的设置，让教学更容易。”
—— Alfredo Deza

“检索增强生成有点像开卷考试。大型语言模型是学生，它们有一本开卷书，所以它们可以看到答案，然后用自己的话重新包装并提供答案。”
—— Alfredo Deza

“对于 Qdrant，我欣赏 Python API 的使用是如此简单。它避免了像 Rust 这样的后端系统所带来的复杂性，因为在 Rust 中你需要一个实际的数据库实例在运行。”
—— Alfredo Deza

文字记录

Demetrios：发生了什么？各位，欢迎回到另一期向量空间对话。我是 Demetrios，今天我与老朋友 Sabrina 一起。你在哪儿，Sabrina？你好？

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

Demetrios：你在哪里？在巴黎的 Kubecon。它非常棒。但我迫不及待地想参加今天的会议，因为 Alfredo 即将加入我们。

Alfredo Deza：你好，伙计。你好吗？

Demetrios：我很好，伙计。好久不见了。我想我们上次聊天是两年前，也许就在你的书出版之前。那本书是什么时候出版的？

Alfredo Deza：是的，差不多。我会说两年前。是的。我与 No Gift 共同撰写了《实用机器学习操作》，并在 O'Reilly 出版。

Demetrios：是的。那我想是两年前。所以你从那时起做了很多事情。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。你为你所接触的一切带来了巨大的价值。我真的很兴奋能和你聊接下来的 30 分钟。

Alfredo Deza：当然。

Demetrios：也许我们先开始。我们会深入探讨你正在做的事情以及现在的空间状况。对。但我很想听听你过去两年都做了些什么，因为我没有和你聊过。

Alfredo Deza：是的，没错。实际上，有好几件事。上次我们聊完后，我加入了微软，从事开发者关系工作。微软有一个庞大的团队从事开发者关系工作。对我来说，这标志着我从常规软件工程的转变。我之前主要从事软件工程，我认为也许随着我出版的一些书籍和课程，是时候让我更多地投入教学和提供有用的内容了，这确实是一件非常有意义的事情。在开发者关系中，在倡导中，通常这就像一种教学方式。我们从技术角度展示技术是如何工作的。

Alfredo Deza：除此之外，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。去年是机器学习操作，今年它将，我想，希望我没有搞砸任何事情。我想我们会稍微转向使用大型语言模型进行操作。秋季我为希望加入研究生项目的研究生教授一门编程课，他们想学习 Python 入门。所以我教一点那个。

Alfredo Deza：与此同时，我还与杜克大学合作，在 Coursera 上推出了大量课程，从大型语言模型到使用 Azure 进行开发，再到机器学习操作，再到 Rust，我最近一直在做很多 Rust 的工作，我真的很喜欢。所以，是的，很多不同的事情，但我认为我的核心支柱仍然是能够教学和传播知识。

Demetrios：太棒了，伙计。我知道你一直在深入研究向量数据库。你能告诉我们更多吗？

Alfredo Deza：是的，问题是，当你在尝试教学时，是的，我们为大型语言模型提供的一门课程是应用检索增强生成，这是向量数据库的基础，以了解它是如何工作的。它是这样工作的。这些是你需要的组件。让我们从头开始创建一个应用程序，看看它是如何工作的。对于那些不知道的人来说，检索增强生成有点像。前几天我看到了一个关于这个的描述，我真的很喜欢，这是一种，它有点像开卷考试。大型语言模型是学生，他们有一本开卷书，所以他们可以看到答案，然后用自己的话重新包装并提供答案，这有点像我们用向量数据库在检索增强生成模式中所做的事情。我们一直在提供很多关于如何做这些的例子，在 Azure 的情况下，你正在启用某些服务。

Alfredo Deza：Azure AI 搜索服务非常棒。但有时，当你想专门教授某些内容时，有一种非常直接的方法来完成它会很有用，而应用或创建检索增强生成模式有点棘手，我认为。我们还没有达到可以以一种很好的、直接的方式来完成它的程度。所以有几种不同的选择，Qdrant 就是其中之一。所以通常我会被问到，你为什么要用 Qdrant？有什么了不起的？你为什么要选择这些而不是其他的？对我来说，这归结为，除了它声名卓著或广受认可之外，它运行得相当好。这里有一个核心组件至关重要，那就是它必须非常简单，非常容易设置，这样我才能教授它，因为如果它很容易，或者说很容易或直接地教授，那么你就可以迈出下一步，你可以让它更复杂一些，围绕它放一些其他的东西，这会创造一个很棒的开发体验和学习体验。如果某样东西非常复杂，如果要求列表很长，你就不会很高兴，你会花所有的时间去琢磨，当你遇到类似自动化的情况时，当你有一个需要做 20 件事的列表才能部署一个网站时，你会把事情弄乱，你会忘记一件事，你会打错字，你会把它搞砸，你将不得不从头开始，你会陷入无法摆脱的境地。而 Qdrant 提供了一种非常直接的方式来运行数据库，那就是使用 Python 的内存实现。

Alfredo Deza：所以你实际上可以在安装库后写一点 Python 代码，然后说，我想实例化一个向量数据库，我希望它在内存中运行。所以对于教学来说，这很棒。就像，嘿，当然它不是用于生产的，但只要写这几行代码，我们就可以直接开始了。让我们开始填充这些数据，看看它是如何工作的。它确实有效。它很棒。你不需要拥有所有这些，比如，哇，让我们在这里启动 Kubernetes，让所有这些动态。不，为什么？我的意思是，当然，你想要创建一个商业模式，你最终想要投入生产，你想要让所有这些完美运行。

Alfredo Deza：但对于这种设置，例如理解它是如何工作的，尝试用小步来理解向量数据库，这很完美。我的一个要求，或者说我的一个愿望是，Rust 也能有这种内存功能。那会非常棒，因为我认为它会使教授 Rust 和使用 Rust 进行检索增强生成变得更容易。我就不必担心启动容器或外部服务。所以 Rust 的情况就是这样。我再给你讲最后一个故事，说明为什么我认为专门使其易于上手，以便我可以教授它，以便其他人可以从中学习，至关重要。我敢说大约 50 年前，可能更久一点，我父亲去了意大利，参加了一个田径课程。我父亲参与体育运动，他正在参加这个，我想这是一个为期六个月的田径专业化课程。

Alfredo Deza：他在课堂上，当时跳高刚从一种风格过渡到另一种风格。以前的风格，现在是老式风格。它有点像，它有点像越过杆子。它有点像一种奇怪的风格。它最近过渡到了一种叫做福斯贝里式跳高的东西。这个人，他的姓是迪克·福斯贝里，发明了福斯贝里式跳高。他说，不，我只是直接跑过去，然后稍微弯曲一下，然后跳过去。然后他做到了，然后他开始赢得一切。

Alfredo Deza：所有人都说，这个人怎么回事？嗯，他们首先认为他疯了，并且对他的尝试不屑一顾。有些人固执地坚持旧式风格，但他开始打破记录并赢得奖牌，所以人们想，嗯，这是件好事吗？我们试试看。所以有一整个。他们都在怀疑。这真的是我们应该做的事情吗？所以我的父亲在意大利的专业课程中必须回答的一个问题是：哪种风格更好，是旧式风格还是新式风格？所以我的父亲说，是新式风格。他们问他，为什么新式风格更好？他没有选择回答，嗯，因为这个人刚刚赢得了奥运会，或者他在这里创造了记录，最终这些都是毫无意义的。他说的是，它是更好的风格，因为它更容易教学，而且是 100% 正确的。当你教授跳高时，福斯贝里式跳高比另一种风格更容易教学。

Alfredo Deza：这太难了。所以你开始看到教学和学习中的这种相似之处，但有了这个，你就会拥有所有这些世界纪录，并且事情进展顺利。那太棒了。但是会有人尝试吗？会有更多人关注它吗？还是会更少？我们在这里试图做什么？对吗？

Demetrios：不得不说，我真的没想到你会如何从跳高过渡到向量数据库领域，但你优雅地做到了。做得很好。所以，基本上，越容易教，就越多人能够参与进来，越多人能够从中获得价值。

Sabrina Aquino：我非常喜欢，顺便说一句。很高兴认识你，Alfredo。我正想问你。我喜欢你作为奥运运动员的背景。对。我想知道，你是否将这种背景与你当前的教学和人工智能工作联系起来，或者它们是如何相互作用的？你是否看到这种方法与你所应用的知识之间有任何相似之处？

Alfredo Deza：嗯，你提到了一个很好的观点。我花了很长时间才自在地谈论我的职业体育生涯。我不想让人觉得我在压倒任何人或试图炫耀。所以我通常尽量不提，尽管我现在更自在地提及我的职业生涯。但我觉得适合谈论的唯一情况是，当我觉得有机会让某人思考他们实际能做什么和可以尝试什么的可能性时。看似复杂的事情可能可以实现。所以你提到了相似之处，但我认为当你是一名运动员，无论在任何运动中，你都在努力达到最高水平时，会有几件事发生。你必须保持一致。

Alfredo Deza：这也是我教我孩子们的。我的一个孩子说，我今天做了很多运动，然后他一个星期什么都不做。然后他说，现在我要再次运动。她要运动 4 个小时。就像，等一下，等一下。没关系。你想做。这很棒。

Alfredo Deza：但是没有强度。你需要保持一致。哦，爸爸，你不让我锻炼，就像，不锻炼。很好，我支持你，但你必须保持一致，慢慢开始增加强度，慢慢开始变得更好。学习也是如此。我们正处于一个概念和事物发展如此之快的时代，事物过时得更快。所以你总是处于这种不断学习的状态。所以我想说，相似之处在于一致性。

Alfredo Deza：你必须继续学习，你必须继续努力。但这不能像，“哦，今天我要从头到尾读完这本书，然后你就会学到关于，我不知道，Rust 的所有知识。”就像，“嗯，不，每天尝试一点点 Rust，并对此感到舒适。到最后你会做得更好。你不能高强度地学习，因为你会筋疲力尽，你会不堪重负，而且不会成功。你不会通过几个月的锻炼就去参加奥运会。”很久以前，一个记者问我，“你为了奥运会准备了几个月？”就像，“你几个月是什么意思？我为此训练了一辈子。我们在说什么？”

Demetrios：我们说的不是几个月或几年。我们说的是一生，对吧？

Alfredo Deza：所以你必须放松。你不能那样做。除此之外，一致性。一致性与纪律息息相关。我于 2006 年来到美国。我不住在秘鲁，我是秘鲁出生的，我来到美国时没有学位。我没有上过大学。嗯，我上了几个月大学然后就辍学了，我没有职业，我没有经验。

Alfredo Deza：我刚刚结婚。我一生中从未工作过，因为我以前是职业运动员。我唯一决定做的就是做出令人惊叹的工作，投入自己并努力学习，永不停止学习。在我的脑海里，我想，哦，我有一个巨大的知识鸿沟需要通过学习来填补。实际上，我对所有为我敞开大门并给我机会的人都怀有极大的敬意和感激，其中之一就是 Noah Giff，我与他合著了几本书和一些课程。他实际上教我写 Python。我不会编程。他说，你知道吗？我想你应该学习写一些 Python。

Alfredo Deza：我当时想，Python？我为什么要那样做？我确实做了。他说，我们找点东西自动化。我的意思是，这是一个多么棒的概念。找点东西应用自动化。每周五，我们都会看看它，就这样。我们那样做了一段时间。然后他说，你知道吗？你应该申请在 Python 大会上演讲。我怎么能在刚开始学习的时候就在会议上演讲呢？他说，你的视角不同。

Alfredo Deza：你才刚开始学习这些。你会以一种有趣的方式来做。所以我觉得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。秘密就是没有秘密。这就是底线。你必须保持一致。否则，总是找借口。

Alfredo Deza：很简单。

Demetrios：秘密就是没有秘密。这太棒了。你确实提到了这个想法，哦，我希望 Qdrant 和 Rust 之间能有更多的事情发生。你能多谈谈这个吗？因为 Qdrant 的一个特点是人们倾向于喜欢它，那就是它是用 Rust 构建的。对。但我也知道你之前提到过，我们能不能多一点这样的操作，这样我就不用处理任何事情了。你刚才说什么来着？容器。

Alfredo Deza：是的。没错。现在，如果你想有一个概念验证，我总是选择最简单、最直接、最不烦人的事情，越少越好。使用 Qdrant 的 Python API，你只需编写几行代码，然后说，我想在内存中创建一个实例，然后就这样。数据库就为你创建了。这与你运行 SQLite 非常相似，或者我会说几乎完全相同。SQLite 是你可以创建在内存中的嵌入式数据库。实际上，我也是这样教授 SQL 的。

Alfredo Deza：当我必须教授 SQL 时，我使用 SQLite。我觉得它很完美。但在 Rust 中，就像你说的，Qdrant 的后端是基于 Rust 构建的。目前还没有内存实现。因此，你需要一个实际运行的 Qdrant 数据库实例。你有几个选择，但其中一个可能意味着你必须启动一个运行 Qdrant 的容器，然后你必须连接到该实例。所以在教学时，开发环境是受限制的。要么你在某个实验室里，比如 Crusader 有实验室，但那些是独立的。

Alfredo Deza：让它们 100% 运行起来有点棘手。你不能同时运行多个容器。所以事情开始变得更加复杂。不仅对学习者来说更复杂，而且在这种情况下，对于像我这样想要弄清楚如何在受限环境中让所有这些运行起来的老师来说也更复杂。这使得它变得棘手。顺便说一句，我向团队提了这个问题，他们告诉我，也许在某个时候他们可以施展一些魔法，在 Rust 端实现内存功能，我认为那将是巨大的进步。

Sabrina Aquino：我们也会为之倡导的。我们也会要求它。我认为这也真的很好。它确实让事情变得更容易。我作为一名不久前的学生，我明白你的意思。在时间有限的课堂上，要让所有事情都非常快速地运行起来是相当困难的，学生可能会感到。我不知道，这很复杂。我明白你的意思。

Sabrina Aquino：你同时在科技行业和学术界工作，我觉得这非常有趣。我总觉得这两个领域有时有点脱节。我想知道，考虑到人工智能领域目前发展如此之快，你认为这两个领域之间的合作有多重要？你有什么想法？

Alfredo Deza：嗯，我不喜欢以偏概全，但我现在要以偏概全。我想说大多数大学都落后了好几步，高等教育尤其涉及很多复杂性。最重要的是，这些机构往往规模庞大，而规模庞大的机构会带来什么？哦，你会遇到任何你想做的事情的“神奇官僚主义”。比如，哦，你需要和那个部门谈谈，那个部门需要授权一些事情，那个事情需要交给另一个部门，然后你说，我要改变课程。就像，不，你不能。那是什么意思？我实际上和大学的教职员工谈过，他们说，听着，课程。是的，我们知道。我们需要更新它，但我们每五年才更换一次课程。

Alfredo Deza：所以。过会儿再见。已经三年了。我们还有两年要走。过几年再见。这对学生来说是有害的。现在我明白了。制定课程非常困难。

Alfredo Deza：教职员工需要付出大量努力才能完成一些事情。所以，从教职员工的角度来看，这就像他们不会因为更新课程而获得更多报酬。

Demetrios：对。

Alfredo Deza：现在，这当然会对学习者造成损害，学生将因必须学习相当过时的课程而得不到应有的服务。现在，有些情况下和有些项目不会发生这种情况。杜克大学，我与几位同事合作过。他们正在教授 Llama file，这是 Mozilla 开发的。Llama file 是什么时候发布的？就在几个月前。我认为这太不可思议了。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，而且是为了能够在找工作时或在日常工作中专业地应用它们。现在，这是一方面。

Alfredo Deza：但还有另一个方面。在杜克大学以及其他一些大学，他们正在使用这些在线平台，以便更快地推出课程。你真的需要通过一个四年制的课程来了解检索增强生成的工作原理吗？或者如何实现它？我敢说不需要，但是如果你参加一个可能需要几周才能完成并相当熟练的课程，你会更好吗？我会说，是的，百分之百。你看到一些机构正在推出有意义、有用的课程，它们能够跟上事物所需的速度。我认为这很好。我认为有时我们倾向于将知识和学习事物看作是一个泡沫，尤其是在美国。我认为大学是一个神奇的地方，所有令人惊奇的事情都在那里发生。如果你不去大学，你的日子就会过得很糟糕。

Alfredo Deza：我不认为那是真的。我认为如果你喜欢大学，如果你喜欢大学，那就充分利用它。你想体验它。那听起来很棒。我认为在大学或学院之外也有很多机会可以做到这一点，并且可以参加来自经过验证的讲师的在线课程。他们有很好的个人资料。而不是那些随便把一些东西扔到生成式 AI 上然后就开始的人。

Demetrios：像你这样的人。

Alfredo Deza：好吧，如果你想的话。是的，当然可以。我的意思是，有些学生真的很喜欢我的教学风格。我觉得这很棒。如果你不喜欢我的教学风格。有时我可能会讲得慢一点，因为我不想让任何人感到不知所措。这都很好。但确实有机会。当我提到这些事情时，人们会说，哦，真的吗？我不是在为 Coursera 或其他任何东西做广告，但其中一些平台，如果你每月支付费用，我想大约在 40 到 60 美元之间。

Alfredo Deza：我认为就价格而言，有点贵，但你可以利用所有这些课程，尽可能多地学习。有时甚至公司也会说，嘿，你有一个付费订阅，去把所有课程都学完。我见过这样的人。他们会说，这太不可思议了。我学到了很多。太完美了。我认为这是一个混合体。我不认为有一个非此即彼的答案，比如，哦，你需要这样做，或者，不，不要那样做，然后一切都会好起来的。

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

Alfredo Deza：你知道，我虽然喜欢谈论我的课程和我所做的事情，但我想强调的是，如果有人正在观看这段视频或听我们谈论的内容，请找到你感兴趣的东西，然后找到一门能提供那种有趣的东西的课程，然后尝试一下。我认为这是最好的方法。不要被它压垮。就像，这是我应该学习的正确的向量数据库吗？这是这个讲师吗？就像，不，试试看。会发生什么？你不喜欢它当你正在看一部糟糕的视频系列或纪录片在 Netflix 或任何流媒体平台上？你只是想，我每月支付 10 美元，所以我要坚持看完这 20 多集我不喜欢的东西。这毫无意义。这不重要。继续前进。

Alfredo Deza：话虽如此，在 Coursera 上，特别是与杜克大学合作，我们倾向于推出那些将在我们的课程中使用的课程，在我的教学内容中。例如，我们刚刚发布了大型语言模型专业化课程，专业化课程是由四到六门课程组成的。所以其中有使用 Azure 进行大型语言模型，例如生成式人工智能简介，使用 Qdrant 实现一个非常简单的 RAG 模式。我还有一些如何使用 Azure AI 搜索的例子，我也觉得这很酷。如何使用 Llama file 在本地实现，我觉得这很棒。你可以让所有这些大型语言模型在本地运行，然后你在上面撒上一点 Qdrant，然后你就有了一个 RAG 模式。现在，我倾向于用我真正喜欢的东西进行教学，我给你举一个快速的例子。

Alfredo Deza：我认为机器学习和数据科学领域有三个最常用的数据集。它们是波士顿房价数据集、美国的糖尿病数据集，另一个是泰坦尼克号数据集。每个人都在使用它们。我真的不明白为什么。我的意思是，也许我确实明白为什么。那是因为它们简单、干净、即用型。它们从来没有出过问题，而且每个人都用它们用到了厌烦。但对我来说，你无法说服我使用其中任何一个，因为这些话题我并不真正关心，它们与我没有共鸣。

Alfredo Deza：尤其是泰坦尼克号，简直是可怕。如果我 37 岁，坐头等舱，是男性，我能活下来吗？这就像，我们想在这里做什么？这对任何人有什么用？所以我倾向于使用我喜欢的东西，我对葡萄酒非常热情。所以我建立了自己的数据集，这是一个来自世界各地的葡萄酒集合，它们有评分、地区、葡萄品种和注释以及葡萄酒的名称。所以当我教它们时，我会说，看，这太棒了。这是来自世界各地的葡萄酒。所以我们在这里做一些事情。所以，对于 RAG，我能够做到的，实际上在课程中也是如此。我会说，啊，我真的很了解阿根廷的葡萄酒，但这些葡萄酒，如果你能给我找到一种不是马尔贝克，而是赤霞珠的葡萄酒，那会很棒。

Alfredo Deza：真是太棒了。它通过 Qdrant，然后回到 Llama 文件，使用一些大型语言模型，甚至小型语言模型，比如微软的 Phi 2，我觉得它真的很棒。它会说，是的，当然。我明白你想要一些好酒。这里有一些我可以给你的好东西。所以这很棒，对吧？我觉得这很棒。所以我觉得那些对正在教学或演讲的人来说有趣的事情，那才是关键，因为当你谈论非常无聊、你不关心的事情时，事情就不会对你有利。

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，嗯，是的，我一直在做向量数据库的事情。它们很好。是的，Qdrant，非常好。你马上就会看出来。我不能撒谎。非常好。

Demetrios：你骗不了任何人。

Alfredo Deza：不。

Demetrios：嗯，伙计，这太棒了。我们会在聊天中放入课程链接，这样万一有人想和你一起踏上这场品酒之旅，他们就可以。我敢肯定，在他们学习的过程中，会有各种各样的事情激发学生的创造力，因为当你谈论这些时，我心想，哦，如果能做出同样类型的东西，但针对滑雪度假村，那就太酷了，你可以环游世界。如果我想要这种类型的滑雪度假村，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。我也非常感谢你来到这里，给我们你的时间，并讨论所有这些。一如既往，Alfredo，和你聊天很愉快。

Demetrios：非常感谢你。

Alfredo Deza：是的，谢谢。谢谢你的邀请。很高兴能和你聊天。我认为 Qdrant 正在开发一个非常可靠的产品。希望我的愿望清单上的 Rust 内存实现能够实现，但我明白。有时会有其他优先事项。一切都很好。是的。

Alfredo Deza：如果有人想和我联系，我主要在 LinkedIn 上很活跃。总是很高兴与大家联系，谈论学习和进步，并永远做一个更好的人。

Demetrios：太棒了。那么，我们就要告辞了，如果还有其他人想来这里和我们谈谈向量数据库，我们随时欢迎。请随时联系。记住，各位，不要迷失在向量空间中。我们下一期再见。

Sabrina Aquino：晚安。非常感谢。