构建原型
端到端代码示例
以下指导性示例可帮助您开始使用 Qdrant 和其他生态系统工具进行实际项目开发。
| 指导性示例 | 描述 | 技术栈 |
|---|---|---|
| LlamaIndex的多租户 | 在 LlamaIndex 中处理来自多个用户的数据。 | Qdrant, Python, LlamaIndex |
| 为 Cohere RAG 实现自定义连接器 | 将存储在 Qdrant 中的数据引入 Cohere RAG | Qdrant, Cohere, FastAPI |
| 用于交互式学习的聊天机器人 | 构建用于交互式学习的私有 RAG 聊天机器人 | Qdrant, Haystack, OpenShift |
| 信息提取引擎 | 构建私有 RAG 信息提取引擎 | Qdrant, Vultr, DSPy, Ollama |
| 员工入职系统 | 构建用于员工入职的 RAG 系统 | Qdrant, Cohere, LangChain |
| 合同管理系统 | 构建用于合同管理的区域特定 RAG 系统 | Qdrant, Aleph Alpha, STACKIT |
| 客户支持问答系统 | 构建 AI 客户支持 RAG 系统 | Qdrant, Cohere, Airbyte, AWS |
| PDF 文档的混合搜索 | 为产品 PDF 手册开发混合搜索系统 | Qdrant, LlamaIndex, Jina AI |
| 博客阅读 RAG 聊天机器人 | 在 Scaleway 上使用 LangChain 开发基于 RAG 的聊天机器人 | Qdrant, LangChain, GPT-4o |
| 电影推荐系统 | 使用 LlamaIndex 和 JinaAI 构建电影推荐系统 | Qdrant |
| GraphRAG 智能体 | 使用 Neo4J 和 Qdrant 构建 GraphRAG 智能体 | Qdrant, Neo4j |
| 使用Qdrant和DSPy构建思维链医疗聊天机器人 | 如何使用 Qdrant 和 DSPy 构建基于医学文献的医疗聊天机器人。 | Qdrant, DSPy |
示例 Notebook
我们的 Notebook 提供了复杂的说明，并附有详尽的解释。跟随步骤尝试代码，充分利用每一个示例。
| 示例 | 描述 | 技术栈 |
|---|---|---|
| 语义搜索和推荐系统简介 | 了解如何开始构建语义搜索和推荐系统。 | Qdrant |
| 新闻文章的搜索与推荐 | 处理文本数据，为新闻文章开发语义搜索和推荐引擎。 | Qdrant |
| 歌曲推荐系统 | 使用 Qdrant 开发基于音频嵌入的音乐推荐引擎。 | Qdrant |
| 皮肤病图像比较系统 | 使用 Qdrant 将具有挑战性的图像与代表不同皮肤病的标签进行比较。 | Qdrant |
| 基于 LlamaIndex 的问答系统 | 结合 Qdrant 和 LlamaIndex 创建一个可自我更新的问答系统。 | Qdrant, LlamaIndex, Cohere |
| 抽取式问答系统 | 直接从上下文中提取答案，以生成高度相关的回答。 | Qdrant |
| 电商以图搜图 | 接受图像作为搜索查询，以获得语义上合适的答案。 | Qdrant |
| 基础 RAG | 使用 Qdrant 和 OpenAI SDK 构建的基础 RAG 流水线。 | OpenAI, Qdrant, FastEmbed |