向量数据库 Qdrant 代码实战

近期整理了关于向量数据库入门的分享，并把测试代码封装成了一个demo项目，涵盖了一下内容：

1. 向量检索原理
2. 向量数据库使用
3. 文本搜索快速实现
4. 图像识别快速实现

以下截取项目部分代码，对向量数据库进行简单查询

from qdrant_client import QdrantClient, AsyncQdrantClient
from sentence_transformers import SentenceTransformer

class NeuralSearcher:
    def __init__(self, collection_name):
        self.collection_name = collection_name
        self.model = SentenceTransformer("all-MiniLM-L6-v2", device="cpu")
        self.qdrant_client = QdrantClient("http://localhost:6333")

    # 查询
    def search(self, text: str):
        vector = self.model.encode(text).tolist()

        search_result = self.qdrant_client.search(
            collection_name=self.collection_name,
            query_vector=vector,
            query_filter=None,
            limit=5
        )

        payloads = [hit.payload for hit in search_result]
        return payloads

以下是我实现的示例项目，可参考和star一下下哈！

https://github.com/chengxs1994/qdrant-fast-api

后面我会对向量数据库做详细的分享！