Базы данных и SQL

Qdrant

Хранилище под векторы: держит эмбеддинги и быстро находит среди них похожие. На таком складе стоят поиск по смыслу, рекомендации и ответы модели по своим документам.

Что умеет

Склад для векторов большой размерности
Отбор ближайших соседей за доли секунды
Разворачивание у себя или в облаке разработчика
Клиентские библиотеки под разные языки
Интерфейс REST и связки с библиотеками машинного обучения
Расширение под нагрузку

Для кого

Разработчики, собирающие ответы модели по своим документамКоманды рекомендательных системСпециалисты по даннымИнженеры машинного обучения

Как начать

Развернуть у себя или завести проект в облаке
Поставить клиентскую библиотеку под свой язык
Создать коллекцию под свои данные
Загрузить в неё эмбеддинги
Отправлять запросы на поиск похожего

Плюсы и минусы

Плюсы 4

Ядро открыто — можно поднять на своём сервере
Работает и на Linux, и на Mac, и на Windows
Клиентские библиотеки готовы под основные языки
Расширяется под растущую нагрузку

Минусы 4

Нужен разработчик: готового кабинета тут нет
Эмбеддинги придётся считать отдельно
Русской документации не заявлено
Своё развёртывание требует присмотра за сервером

Цены на похожие сервисы

Сервис	Платный тариф	Цена за	Бесплатно	Из России
Qdrant	1 ₽	—	есть	—
QueryZy	782 ₽	месяц	нет	—
DB Pilot	1 738 ₽	месяц	есть	—
SQL Notes	693 ₽	месяц	нет данных	—

Сервисы из того же раздела — «Базы данных и SQL». Прочерк означает, что данных нет.

Разработчик и платформы

Где работаетвеб, Linux, Mac, Windows

Открытый кодесть

Частые вопросы

Что он хранит?

Векторы — числовые представления текстов, картинок и звука.

Можно ли поднять у себя?

Да, ядро открыто.

Зачем это нужно?

Для поиска по смыслу, рекомендаций и ответов модели по своим документам.

С чем он связывается?

С библиотеками машинного обучения, есть интерфейс REST.