导读：本期，我们将一同探索由小伙伴原创的《Qdrant》。这不仅是一份知识的分享，更凝结了创作者的思考与热情。接下来的内容，将为您清晰梳理其核心脉络与独特价值。如果您从《Qdrant》中获得了一丝启发或帮助，您的每一次点赞与转发，都将化为对创作者最直接的认可与支持，让有价值的思想传播得更远。知识因分享而拥有更大能量，感谢您成为这传播链条中的重要一环。
SQLite与Qdrant向量存储如何协同构建本地到云端的混合检索系统？ 把结构化业务数据留在SQLite、把高维向量交给Qdrant，这种混合存储常被误认为只是简单分库。实际上两者协同要解决主键映射、增量同步与查询编排三类问题。SQLite负责订单、用户画像等关系型记录，Qdrant以向量形式表达文本或图像特征，通过外部ID关联。本文从工程落地角度说明... 栏目：SQLite 时间：08-14 SQLite Qdrant vector_storage
Qdrant过滤查询怎么实现Payload与向量混合搜索？ 做语义检索时只靠向量相似度常会召回不相关结果，比如搜笔记本却返回水果。Qdrant用Payload过滤叠加向量搜索解决这类问题。它允许在查询时附带字段条件，先筛再比向量，也支持预过滤与后过滤两种模式。文章说明过滤语法、bool组合、数值与标签匹配写法，以及混合搜索在推荐与风... 栏目：AI大模型 时间：08-10 Qdrant Payload过滤 向量混合搜索
Qdrant多语言商品搜索如何科学融合多字段文本生成高质量向量表示 在多语言商品搜索场景中，单一字段的文本向量往往无法覆盖商品的全部特征，导致搜索结果匹配度不足。Qdrant作为高性能向量数据库，支持多向量存储与检索，为融合多字段文本生成高质量向量提供了可行方案。本文将从多语言文本预处理、多字段权重分配、向量融合策略、Qdrant索引配... 栏目：Python 时间：06-11 Qdrant 多语言商品搜索 向量表示 文本融合 embedding
