Qdrant

开源向量搜索引擎（Rust）：生产级相似度检索，支持丰富过滤、稠密+稀疏混合，以及 Cloud / 混合云 / 私有化部署。

它是做什么的

Qdrant 官网定位为可规模化的高性能向量搜索：帮助构建所需的 AI 检索，支持多种部署模型。引擎以 Rust 编写，强调实时索引、内存效率与量化（标量/二值等）等性能设计。检索能力包括：JSON 元数据与高级过滤（在 HNSW 遍历中一阶段过滤）、原生混合搜索（稠密+稀疏，如 BM25/SPLADE 等）、多向量（multivector）、以及重排与业务加权等（以文档为准）。

部署形态：开源自托管、Qdrant Cloud（AWS/GCP/Azure 托管）、Hybrid Cloud、Private Cloud，以及 Edge（Beta）等。提供 REST/gRPC 与多语言客户端、Web UI；云上还可做推理与检索一体等能力（见官网 Inference 说明）。典型场景：RAG、Agent 记忆、语义搜索、推荐、异常检测。与 FAISS 不同，Qdrant 是完整向量搜索服务；与 Milvus 同属生产向量库赛道，选型看生态、运维习惯与过滤/混合检索需求。

要点

• 开源定位：向量搜索引擎/数据库，Apache 许可生态（以仓库为准）。
• 部署形态：自托管服务 + 多档 Cloud；非嵌入式「仅库」为主路径（虽可单节点轻量跑）。
• 检索：混合检索、强过滤、多向量与重排工具链。
• 工程向：Rust 性能、实时更新、量化降内存、可观测与企业安全选项。
• 典型场景：生产 RAG/Agent、要复杂 metadata 条件的检索。

适合谁

• 要上生产向量检索，并重视过滤与混合检索质量
• 需要 Cloud 托管或严格私有化/混合云
• 团队接受用专用向量引擎，而不是把 ANN 嵌进自研服务就结束

官方入口

• 官网
• 文档
• GitHub

建议怎么用

本地或 Docker 起单节点，用官方客户端写入带 payload 的点并做过滤查询，再试混合检索。上云前先在 Web UI 验证召回。大规模再开分片、量化与监控。原型阶段也可 Chroma；只要库级 ANN 用 FAISS；超大规模分布式对比 Milvus。