Qdrant基础
7天构建生产级文档搜索
掌握核心向量搜索技能：混合检索、多向量重排序、量化、分布式部署和多租户技术。以构建完整的文档搜索引擎作为最终项目。
7天课程
短小精悍的视频教程，配有实操练习
可分享的结业证书
完成课程即可获得电子证书
灵活的时间安排
按照自己的节奏学习（每天1–2小时）
初级水平
无需预先具备 Qdrant 经验您将学到什么
你将获得的技能
- Qdrant 数据建模：点（points）、载荷（payloads）和架构（schemas）
- 嵌入（Embeddings）、分块（chunking）和相似度度量
- 索引和检索调优（HNSW、过滤器、召回率/延迟）
- 结合稀疏+稠密向量的混合搜索与重排序
- 性能优化、压缩和量化
- 扩缩容、分片/复制和安全性
学习路径
第0-2天：基础。连接 Qdrant Cloud，处理点和载荷，计算语义相似度，进行文本分块，并为速度和召回率调优 HNSW。
第3-5天：高级检索。结合稠密和稀疏信号，利用服务端融合进行混合搜索，使用通用查询 API（Universal Query API）处理多向量（ColBERT），并构建推荐系统。
第6天：上线。串联数据摄入、混合检索、多向量重排序和评估流程（Recall@10, MRR, 延迟 P50/P95）。
第7天（奖励）：生态系统。尝试与 AI 框架、搜索工具及数据管道的集成。
课程形式
视频优先
由 Qdrant 团队制作清晰、简洁的模块
最终项目
构建一个生产就绪的向量搜索应用
奖励日
在第7天探索合作伙伴集成
阶段性项目
每天的小型开发任务，用于应用所学概念课程大纲
第0天：设置与第一步
- Qdrant云设置
- 实现基本向量搜索
- 项目：构建你的第一个向量搜索系统
第1天：向量搜索基础
- 点、向量和负载
- 距离度量
- 文本分块策略
- 演示：语义电影搜索
- 项目：构建语义搜索引擎
第2天：索引与性能
- HNSW索引基础
- 结合向量搜索和过滤
- 演示：HNSW性能调优
- 项目：HNSW性能基准测试
第3天：混合搜索
- 稀疏向量和倒排索引
- 演示：使用稀疏向量进行关键词搜索
- 基于分数融合（Score Fusion）的混合搜索
- 演示：实现混合搜索系统
- 项目：构建混合搜索引擎
第4天：优化与扩展
- 向量量化方法
- 通过重新评分恢复准确性
- 高吞吐量数据摄入
- 项目：量化性能优化
第5天：高级API
- 用于后期交互模型的多向量
- 通用查询API
- 演示：用于混合检索的通用查询
- 项目：构建推荐系统
第6天：最终项目 - 构建生产级搜索引擎
- 项目架构与评估框架
- 实现与性能评估
- 课程总结与后续步骤
第7天：合作伙伴生态系统集成（奖励）
- AI 与 LLM 框架（Haystack, Jina AI, TwelveLabs）
- 数据处理（Unstructured.io）
- 机器学习平台与分析（Tensorlake, Vectorize.io, Superlinked, Quotient）
目标人群
致力于构建 RAG、语义搜索或推荐系统的机器学习工程师、后端工程师、数据工程师和搜索工程师。要求具备中级 Python 水平、基础的命令行/API 操作经验，并熟悉嵌入技术。
时间投入
- 时长：6天（每天1-2小时）+ 1个可选奖励日
- 视频学习：约3小时
- 实操学习：4-5小时
- 最终项目：2-4小时
- 总计：9-12小时
准备好开启你的向量搜索之旅了吗？