Qdrant

Qdrant est un moteur de recherche vectorielle open-source conçu pour les charges de travail d'IA en production. Il stocke des embeddings et exécute rapidement des recherches de similarité avec un filtrage par métadonnées, permettant aux équipes d'alimenter des chatbots RAG, la recherche sémantique, les recommandations et la mémoire des agents sans avoir à construire une infrastructure de récupération depuis zéro. Vous pouvez commencer avec le niveau gratuit sur le cloud, héberger la base de données en interne ou évoluer sur des clusters gérés sur AWS, GCP et Azure.

Le moteur est écrit en Rust et utilise un algorithme HNSW personnalisé pour la recherche de voisins les plus proches approximative. Qdrant se distingue par sa recherche hybride native qui combine vecteurs denses et clairsemés en une seule requête, un filtrage en une étape lors de la traversal du graphe, et la prise en charge de plusieurs vecteurs lorsqu'un seul objet nécessite plusieurs embeddings. Des options de compression telles que la quantification scalaire, produit et binaire aident à réduire la consommation de mémoire sur de grandes collections.

Les développeurs se connectent via REST, gRPC ou via les bibliothèques clientes officielles, avec une spécification OpenAPI pour générer des liaisons dans d'autres langages. Une interface Web intégrée permet d'inspecter les collections, d'exécuter des requêtes de test et d'ajuster les filtres sans écrire de scripts. Qdrant Cloud offre des sauvegardes gérées, une scalabilité sans interruption et une inférence cloud en option, vous permettant d'intégrer du texte ou des images dans le même pipeline.

Le projet a débuté sur GitHub en 2021, lorsque les bibliothèques existantes ne répondaient pas aux besoins en production en termes de fonctionnalités et d'échelle. Il soutient désormais des déploiements d'entreprise et a attiré une grande communauté open-source, avec des études de cas de sociétés telles que Tripadvisor, HubSpot et Deutsche Telekom.