Qdrant とは？

ベクトルという数値の並びを保存し、近いものを探すために使うよ。各データにはカテゴリや文書名などのペイロードも持たせられる。完全一致だけでは表しにくい検索に使えるけれど、一般のデータベースにも多様な検索があるので、「普通のDBは完全一致だけ」とは分けないでね。

文章などを埋め込みモデルで数値へ変換し、その近さを手がかりにするんだ。意味の近さを表せるかはモデルとデータによるよ。専門用語や固有の識別子を拾いにくい場合もあり、Qdrantは語句の一致も使うハイブリッド検索を案内している。近い結果が必ず正解とは限らないんだ。

図は検索の部分だよ。質問に対応するベクトルで資料を探し、アプリがその資料を生成モデルへ渡して回答を作る構成にできる。検索、埋め込み生成、回答生成を分けて考えよう。埋め込みはクライアント側で作る方法のほか、Qdrant Cloudの推論機能を使う方法もあるよ。

ペイロードなどの条件と、類似度検索を組み合わせられるよ。たとえば「カテゴリが手順書」の条件を付けて、その中から近い資料を探す。フィルターはAND・OR・NOTなども使える。よく使う条件にはペイロードのインデックスを検討するなど、設定も大切だね。

無条件ではないよ。公式資料も、データ量や同時利用者が増えたときのメモリ、ディスク、索引、分散構成を説明している。HNSWによる近似検索もあり、結果の品質と速度の両方を確認する。実際の資料と質問で、欲しい結果が得られるか評価しよう。