广泛的元数据过滤
将元数据存储在 JSON 中，并在查询向量时应用嵌套、文本、地理位置和 has_vector 等高级过滤条件。
Qdrant
认领Qdrant 是一款开源向量搜索引擎，适合构建 AI 检索系统的团队使用。支持快速相似度搜索、元数据过滤、混合检索，并提供从云端到自托管的多种部署方式。
概览
Qdrant 是一款使用 Rust 编写的开源向量搜索引擎。其设计旨在帮助团队构建需要快速相似度搜索、灵活过滤以及从云端到自托管环境等多种部署选项的 AI 检索系统。
该产品面向生产级 AI 搜索，包括用于 RAG 的检索、AI 智能体、语义搜索、推荐系统以及分析工作流。页面强调实时索引、高效存储，以及让向量搜索更易于集成和运维的开发者工具。
功能
原生混合搜索
在一次查询中结合关键词搜索和向量搜索，并支持稠密或稀疏向量，以及 BM25、SPLADE++ 和 miniCOIL 等检索方法。
内置多向量支持
每个对象使用多个向量，使检索表达力更强、更灵活，也更适合多模态数据。
单阶段过滤
在 HNSW 遍历过程中应用过滤，从而在一个阶段内完成结果过滤，目标是在复杂条件下以低延迟获得高召回。
全方位重排序
使用分数提升、ColBERT 等后期交互模型以及 MMR 来调整排序并丰富结果的多样性。
面向开发者的 API 与工具
通过 REST、gRPC、官方客户端以及内置 Web UI 进行检查和测试。
用例
RAG 和 GenAI
构建检索增强生成（RAG）流水线，结合稠密和稀疏搜索、元数据过滤以及新鲜索引数据，生成上下文更丰富的答案。
AI 智能体
创建具备上下文感知能力的智能体，使用持久记忆和快速相似度搜索来处理对话状态和任务上下文。
语义搜索
实现语义搜索，基于意图而非仅仅关键词匹配返回相关结果。
推荐系统
通过大规模物品集合上的实时相似度匹配和感知元数据的排序，为推荐系统提供支持。
数据分析与异常检测
通过搜索偏离正常行为模式的模式来检测操作数据或分析数据中的异常。
Pros and Cons
Pros
- 使用 Rust 编写的开源向量搜索引擎。
- 支持稠密、稀疏和混合检索，并提供高级元数据过滤。
- 提供多种部署模型，包括云端、混合、私有和边缘选项。
- 包含 REST、gRPC、官方客户端以及内置 Web UI 等开发者工具。
- 为大规模向量工作负载提供实时索引和存储优化。
Cons
- 所提供的定价页文本未包含具体价格或套餐限制。
- 某些部署与合规能力仅做了高层描述，在所提供来源中没有详细的技术规格。
FAQ
Qdrant 可以自托管或在托管云中运行吗？
是。来源将 Qdrant 描述为开源产品，并提供 Qdrant Cloud 以便快速上手，同时也支持混合、私有和边缘环境部署。
Qdrant 提供哪种搜索能力？
来源强调的是向量相似度搜索，支持稠密、稀疏和混合检索、元数据过滤、重排序以及多向量搜索。
开发者如何与 Qdrant 交互？
产品页面提到可通过 REST、gRPC 以及官方客户端（如 Python 和 JavaScript）进行交互，另外还有一个内置 Web UI 用于检查集合和查询。
来源是否展示了具体的定价信息？
所提供的定价页内容没有列出具体价格或套餐限制，因此来源只能确认存在定价和云选项，而不能确认确切的商业条款。
Quick Facts
- 类别
- 向量搜索引擎
- 平台
- 云端、自托管、混合和边缘
- 来源域名
- qdrant.io
- 主要用户
- 构建检索系统的 AI 和开发团队
- 语言和 API
- Rust 后端、REST、gRPC、Python、JavaScript 客户端
- 定价
- 已提供定价页；所给文本未显示具体价格