Qdrant — это открытая векторная база данных на Rust для семантического поиска, RAG и рекомендаций: она хранит эмбеддинги и быстро находит похожие объекты.
Главное отличие от Pinecone — Qdrant можно бесплатно развернуть у себя, а мощная фильтрация по полям работает вместе с векторным поиском без потери скорости.
Возможности
- Векторный поиск с фильтрами по метаданным.
- Гибридный поиск: плотные и разреженные векторы, полнотекстовый поиск.
- Квантизация для экономии памяти на больших коллекциях.
- Шардинг и репликация для масштабирования.
- Клиенты для Python, JavaScript, Go, Rust и интеграции с LangChain и LlamaIndex.
Кому подходит
Разработчикам AI-ассистентов, поиска по документам, рекомендательных систем и чат-ботов с базой знаний, особенно тем, кто хочет держать данные на своём сервере.
Как начать
Запустите Qdrant в Docker одной командой, создайте коллекцию с нужной размерностью векторов и загрузите эмбеддинги через клиент на Python или JavaScript.
Совет
Сразу сохраняйте в payload поля для фильтрации: язык, дату, источник, права доступа. Фильтр по ним в Qdrant быстрее и точнее, чем отсев результатов после поиска.
Ограничения
Для небольшого проекта отдельная векторная база избыточна: хватит pgvector в PostgreSQL. Самостоятельный кластер требует администрирования, а облако — зарубежной карты.