qdrant
PulseAugur coverage of qdrant — every cluster mentioning qdrant across labs, papers, and developer communities, ranked by signal.
- used by Docker 70%
- used by HostingPodium 70%
- uses Mem0 Agent Memory Framework 70%
- used by Mem0 Agent Memory Framework 70%
- uses Project Arc Rector 70%
- competes with Pinecone 60%
- competes with Chroma 60%
- used by ApifyClient 60%
- used by reciprocal rank fusion 60%
- used by Pinecone 50%
- competes with Mem0 Agent Memory Framework 50%
- 2026-11-14 product_launch Qdrant released version 1.20, introducing new vector storage datatypes and metadata filtering improvements. 来源
- 2026-11-01 product_launch Qdrant released version 1.20, enhancing its vector database with integrated BM25 keyword ranking and other features. 来源
- 2026-10-14 funding Qdrant closed a $50 million Series B funding round. 来源
- 2026-09-08 product_launch Qdrant has released a new dataset to benchmark AI search technologies. 来源
- 2026-08-15 product_launch OpenCrawling released a new output connector for the Qdrant vector database. 来源
- 2024-01-11 partnership Qdrant partnered with Replit to launch new developer templates.
18 天有情绪数据
-
新工具将网站内容提取为 Markdown,用于 RAG 系统
一款名为“Website to Markdown for LLM & RAG”的新工具已被开发出来,用于从网站提取干净的 Markdown 内容,以供检索增强生成 (RAG) 系统使用。该工具通过直接解析 HTML,绕过了对资源密集型无头浏览器的需求,使其对于许多类型的网站来说更快、更具成本效益。它提取主要内容、分块页面,并提供元数据(如标题和作者),为数据摄入到 Pinecone、Qdrant、Chroma 或 pgvector 等…
-
微软和 Starburst Data 通过知识图谱增强 RAG
微软已增强其 Foundry IQ Knowledge Graph,新增功能旨在通过实现多跳检索和减少对大型语言模型进行规划的依赖来改进检索增强生成 (RAG)。同时,Starburst Data 推出了 Context Studio 以提供受管的语义上下文,解决了 AI 代理对可靠数据解释的需求。这些发展凸显了行业正在朝着将知识图谱和结构化数据与向量搜索相结合以增强 RAG 系统并缓解幻觉和仅基于提示的 LLM 交互相关的高成本等问…
-
本地 RAG 系统使用 AMD 和 NVIDIA 为实验室笔记提供搜索功能
一位开发者创建了一个本地检索增强生成(RAG)系统,旨在使实验室笔记和幻灯片可搜索。该系统结合使用了 AMD 和 NVIDIA 硬件,其中 Gemma 4.31B 将幻灯片详细信息渲染成可搜索文本,Qwen3-Embedding-4B 对文本和幻灯片描述进行索引。Qdrant 处理问题以进行相关段落排名,DeepSeek-V4.1-Flash-1017 使用检索到的信息生成答案。
-
Reciprocal Rank Fusion 缺陷导致混合搜索中的精确匹配结果被埋没
一篇技术博文探讨了混合搜索中常用的 Reciprocal Rank Fusion (RRF) 算法,并指出了其在处理精确匹配查询时的一个关键缺陷。作者演示了 RRF,特别是使用默认的 k=60 参数时,如何将 BM25 等精确匹配检索器的高度相关结果埋没,而偏好向量搜索中不太精确但有重叠的结果。这是因为 RRF 的评分机制非常看重出现在多个检索列表中的文档,即使排名较低,也比单个列表中的排名靠前文档更受青睐。博文中提出了一些修复方法,…
-
作者因成本原因选择 pgvector 而非 Qdrant 作为个人旅行规划器
作者正在为他们的个人旅行规划器应用程序在 pgvector 和 Qdrant 之间进行选择。由于该应用程序使用频率不高且为单用户性质,作者优先考虑成本效益和简单性。Qdrant 的云服务会暂停和删除不活跃的免费集群,这不适合该应用程序的零星使用。相比之下,pgvector 直接集成到现有的 PostgreSQL 数据库中,无需单独的服务和相关成本。作者倾向于 pgvector,但在承诺之前正在寻找解决其已知弱点的方法。
-
PipesHub 通过 4 项检索更改解决 RAG 过时引用问题
文章讨论了检索增强生成(RAG)系统中一个常见的问题,即代理由于缺乏实时状态检查而自信地引用过时的信息。为了解决这个问题,作者的公司 PipesHub 实施了四项检索更改。这些更改包括显示链接记录的状态和日期、启用按时间顺序、分阶段的代理搜索、采用“先少找再读对的部分”策略进行目标检索,以及允许调用者控制查询重写绕过。这些改进旨在减少 token 消耗和延迟,同时提高准确性,EnterpriseRAG-Bench 和 Google F…
-
使用开源工具在迷你PC上构建本地RAG系统
一份指南详细介绍了如何使用开源工具在迷你PC上设置本地检索增强生成(RAG)系统。该设置涉及使用EmbeddingGemma 2(来自Google/Deepmind的7.4亿参数嵌入模型)和PDF Desk(一个用于查询PDF的Python应用程序)。该指南强调,对于初始设置,Qdrant或Chroma等向量数据库是可选的,重点是首先运行一个基本管道。它提供了下载模型、运行PDF Desk应用程序的步骤说明,并讨论了潜在问题,如内存限…
-
新工具将网站内容同步到向量数据库,优化 RAG 更新
一位开发者创建了一个工具,用于高效更新检索增强生成 (RAG) 项目中使用的向量数据库。该工具名为 Website to Knowledge Base Sync,专注于将网站内容与 Pinecone 或 Qdrant 等向量存储同步。它通过识别自上次同步以来仅更改或删除的内容块来实现这一点,从而避免了昂贵的不变数据重新嵌入。此方法可确保 RAG 助手引用最新信息并妥善处理内容删除。
-
Qdrant 1.20 通过新的压缩和索引技术降低向量存储成本
Qdrant 发布了其开源向量数据库的 1.20 版本,引入了两种新的存储数据类型 TurboQuant(turbo8 和 turbo16),可显著减少向量嵌入的存储空间。这些数据类型将向量压缩到每维度 8 或 16 比特,采用一种保持搜索能力并使服务器端延迟保持在 float32 集合的 10% 以内的旋转技术。此次更新还包括一种更快的过滤嵌套元数据的方法,提高了在 arXiv 论文等大型数据集上的查询性能。
-
Milvus vs. Qdrant:生产架构与性能深度解析
本文详细比较了两种主流向量数据库 Milvus 和 Qdrant 的生产架构和性能。文章重点介绍了 Milvus 的解耦存储和计算模型,适用于大规模、多租户部署,以及 Qdrant 的 Rust 原生、共享磁盘架构,针对低延迟内存访问进行了优化。分析深入探讨了处理超出可用 RAM 数据集的关键内存优化技术,如分层可导航小世界(HNSW)图、标量量化(SQ8)和内存映射 DiskANN。在相同硬件上的基准测试显示,Milvus 在分布式…
-
动态文档的高效 RAG 索引更新
本文详细介绍了一种方法,用于有效地将检索增强生成 (RAG) 索引与不断变化的文档站点同步。它提出了一种系统,该系统识别修改、添加或删除的内容块,而不是进行完整的重新爬取和重新嵌入。这种方法利用了一个名为 Website Change Tracker 的工具,该工具分析网站更改并提供要更新和删除的块的特定列表。然后将更新的块应用于 Chroma、Qdrant、Pinecone、Weaviate 或 pgvector 等向量存储,确保 …
-
用于 RAG 的向量数据库:Pinecone、Weaviate、Qdrant 和 pgvector 比较
该集群比较了几种向量数据库在检索增强生成 (RAG) 应用中的适用性。第一项考察了 pgvector、Qdrant 和 Pinecone,评估了它们的部署选项、过滤能力、混合搜索和租户隔离。第二项关注 Pinecone 和 Weaviate,强调了 Pinecone 为寻求较低运维开销的开发人员提供的托管简便性,以及 Weaviate 的开源、混合搜索和自托管选项的灵活性。两者之间的选择取决于具体的检索需求、多租户要求、预算和基础设施管理偏好。
-
开发者详解RAG API检查以确保LLM引文准确性
本文详细介绍了.NET中检索增强生成(RAG)API的实现,重点关注确保引文准确性。作者概述了四种检查方法,以防止LLM捏造引文,这是当模型引用了未提供的来源时遇到的问题。这些检查包括对输入源进行编号和围栏处理,在答案流式传输时过滤引文标记以处理标记化问题,以及为每个答案分配最终裁决以指示其基础状态。
-
向量数据库基准测试存在不足;实际测试显示 Elasticsearch 在性能上正迎头赶上 Qdrant
一项对向量数据库的最新评估显示,尽管供应商特定的基准测试常常存在偏见,但纯粹的性能基准测试缺乏实际应用性。作者通过一个案例研究,使用生产数据和流量对 Elasticsearch、Qdrant、Pinecone 和 Turbopuffer 进行了比较。研究结果表明,Elasticsearch 的向量搜索能力已显著提升,在性能上可与 Qdrant 相媲美,尽管在过滤和其他功能方面存在的差异对于特定用例仍然很重要。
-
PostgreSQL 16 搭配 pgvector 提供统一的混合搜索以实现 RAG
本文探讨了企业检索增强生成 (RAG) 系统的挑战,认为纯粹的密集向量搜索在需要精确标识符的查询上会失败,而传统的关键词搜索 (BM25) 则难以处理同义词。作者提倡一种混合方法,特别推荐使用 pgvector 扩展的 PostgreSQL 16 作为统一解决方案。这种将密集嵌入和稀疏 BM25 共同置于单个数据库中,避免了维护单独的向量数据库和搜索集群所带来的不一致性、网络延迟和成本增加。
-
嵌入模型升级可能会悄无声息地破坏 AI 检索系统
升级嵌入模型可能会在不抛出错误的情况下悄无声息地破坏检索系统。当新查询向量由与用于现有文档向量的模型不同的模型生成时,就会发生这种情况,导致它们的坐标空间不对齐。因此,相似性搜索会返回不相关的结果,并且标准监控工具由于索引保持功能正常且查询错误率为零而无法检测到该问题。开发人员必须实施特定的检查以确保向量兼容性并衡量检索相关性,以防止这些无声的故障。
-
RAG 系统专注于检索改进和可靠性测试 · 跟踪 8 个来源
研究人员正在探索改进检索增强生成 (RAG) 系统的先进技术,重点是增强通常是瓶颈的检索组件。Apple Inc. 开发了一种使用小型神经网络学习查询到键匹配的方法,以实现更快、更高效的检索。同时,研究正在调查 RAG 系统的可靠性,特别是在查询相关文档被投毒的对抗性条件下,这突出表明检索失败,而不是 LLM 的局限性,经常是性能不佳的原因。评估 RAG 系统需要仔细考虑指标、问题集以及检索和生成之间的交互,结合了密集和稀疏检索方法的…
-
企业本地部署生成式AI平台架构
本文概述了一个完全在本地运行的企业级生成式AI平台的参考架构。文章详细介绍了所需的软构件,如MLOps模块、模型服务、安全系统和数据治理平台,以及对象存储、数据库和GPU基础设施等硬构件。所提出的架构强调了全面本地生成式AI系统的安全性、治理和成本管理。
-
Qdrant 1.20 将 BM25 关键字排名集成到向量数据库索引中
Qdrant 发布了 1.20 版本,对其开源向量数据库进行了重大增强。此次更新将 BM25 关键字排名直接集成到全文本索引中,无需为关键字搜索单独使用嵌入模型和管道。新版本还具有用于改进标识符匹配的代码分词器、用于加速嵌套过滤操作的每个元素索引,以及两种新的 TurboQuant 数据类型(Turbo16 和 Turbo8),可在对召回率影响最小的情况下减少向量存储。通过对 peer gRPC 端口默认启用内部身份验证来增强安全性,…
-
Python脚本将PDF转换为结构化Markdown,用于RAG管道
本文介绍了一个使用Apify平台的Python脚本,该脚本可将PDF转换为适合检索增强生成(RAG)管道的结构化Markdown块。该脚本通过使用一个Apify Actor来解析、对扫描页面执行OCR,并根据标题和段落分割内容,解决了PDF文本提取中常见的丢失标题和交错列等问题。输出包括元数据,如章节标题,这些元数据可以与向量嵌入一起存储,以获得更具上下文相关性的AI响应。该解决方案支持各种文档格式,并为向量数据库准备数据提供了一种经…