Qdrant 벡터 스토어

QdrantVector 클래스는 다음을 사용하여 벡터 검색을 제공합니다.Qdrant, 벡터 유사성 검색 엔진. 추가 페이로드 및 확장된 필터링 지원을 통해 벡터를 저장, 검색 및 관리할 수 있는 편리한 API를 갖춘 프로덕션 준비 서비스를 제공합니다.

생성자 옵션

url:

string

Qdrant 인스턴스의 REST URL입니다. 예: https://xyz-example.eu-central.aws.cloud.qdrant.io:6333

apiKey:

string

선택적 Qdrant API 키

https:

boolean

연결 설정 시 TLS를 사용할지 여부입니다. 사용을 권장합니다.

행동 양식

createIndex()

indexName:

string

생성할 인덱스의 이름

dimension:

number

벡터 차원(임베딩 Model과 일치해야 함)입니다. 단일 벡터 컬렉션에 필요합니다.

metric?:

'cosine' | 'euclidean' | 'dotproduct'

= cosine

유사도 검색에 사용할 거리 측정 방식

namedVectors?:

Record<string, { size: number; distance: 'cosine' | 'euclidean' | 'dotproduct' }>

이름이 지정된 벡터 공간의 구성입니다. 제공하면 이름이 지정된 여러 벡터 필드가 있는 컬렉션을 생성합니다.

명명된 벡터 컬렉션 만들기

// Create a collection with multiple named vector spaces
await store.createIndex({
  indexName: 'multi_modal',
  dimension: 768, // fallback
  namedVectors: {
    text: { size: 768, distance: 'cosine' },
    image: { size: 512, distance: 'euclidean' },
  },
})

upsert()

indexName:

string

upsert할 인덱스의 이름

vectors:

number[][]

임베딩 벡터 배열

metadata?:

Record<string, any>[]

각 벡터의 메타데이터

ids?:

string[]

선택적 벡터 ID(제공하지 않으면 자동 생성)

vectorName?:

string

이름이 지정된 벡터를 사용할 때 upsert할 벡터 공간의 이름입니다.

명명된 벡터 공간에 Upserting

// Upsert into the "text" vector space
await store.upsert({
  indexName: 'multi_modal',
  vectors: textEmbeddings,
  metadata: textMetadata,
  vectorName: 'text',
})

// Upsert into the "image" vector space
await store.upsert({
  indexName: 'multi_modal',
  vectors: imageEmbeddings,
  metadata: imageMetadata,
  vectorName: 'image',
})

query()

indexName:

string

쿼리할 인덱스의 이름

queryVector:

number[]

유사한 벡터를 찾기 위한 쿼리 벡터

topK?:

number

= 10

반환할 결과 수

filter?:

Record<string, any>

쿼리용 메타데이터 필터

includeVector?:

boolean

= false

결과에 벡터를 포함할지 여부

using?:

string

이름이 지정된 벡터를 사용할 때 쿼리할 벡터 필드의 이름입니다. 컬렉션에 이름이 지정된 벡터 필드가 여러 개 있을 때 사용하세요.

명명된 벡터

Qdrant는 각 벡터 필드에 이름을 할당하는 컬렉션당 여러 벡터를 지원합니다. 쿼리할 벡터 필드를 선택하려면 using 매개변수를 사용하세요.

const results = await store.query({
  indexName: 'my_index',
  queryVector: embedding,
  topK: 10,
  using: 'title_embedding', // Query against a specific named vector
})

listIndexes()

인덱스 이름의 배열을 문자열로 반환합니다.

describeIndex()

indexName:

string

설명을 조회할 인덱스의 이름

보고:

interface IndexStats {
  dimension: number
  count: number
  metric: 'cosine' | 'euclidean' | 'dotproduct'
}

deleteIndex()

indexName:

string

삭제할 인덱스의 이름

updateVector()

ID 또는 메타데이터 필터를 기준으로 단일 벡터를 업데이트합니다. id 또는 filter 중 하나만 제공해야 합니다.

indexName:

string

업데이트할 인덱스의 이름

id?:

string

업데이트할 벡터의 ID(filter와 함께 사용할 수 없음)

filter?:

Record<string, any>

업데이트할 벡터를 식별하는 메타데이터 필터(id와 함께 사용할 수 없음)

update:

{ vector?: number[]; metadata?: Record<string, any>; }

업데이트할 벡터 및/또는 메타데이터가 포함된 객체

지정된 인덱스의 벡터 및/또는 해당 메타데이터를 업데이트합니다. 벡터와 메타데이터가 모두 제공되면 둘 다 업데이트됩니다. 두 값 중 하나를 제공하면 해당 값만 업데이트됩니다.

deleteVector()

indexName:

string

벡터를 삭제할 인덱스의 이름

id:

string

삭제할 벡터의 ID

해당 ID로 지정된 인덱스에서 벡터를 삭제합니다.

deleteVectors()

ID 또는 메타데이터 필터를 기준으로 여러 벡터를 삭제합니다. ids 또는 filter 중 하나만 제공해야 합니다.

indexName:

string

삭제할 벡터가 포함된 인덱스의 이름

ids?:

string[]

삭제할 벡터 ID 배열(filter와 함께 사용할 수 없음)

filter?:

Record<string, any>

삭제할 벡터를 식별하는 메타데이터 필터(ids와 함께 사용할 수 없음)

createPayloadIndex()

효율적인 필터링을 활성화하도록 컬렉션 필드에 페이로드(메타데이터) 인덱스를 생성합니다. 이는 Qdrant Cloud 및 strict_mode_config = true인 모든 Qdrant 인스턴스에 필수입니다.

indexName:

string

페이로드 인덱스를 생성할 컬렉션의 이름

fieldName:

string

인덱싱할 페이로드 필드의 이름

fieldSchema:

'keyword' | 'integer' | 'float' | 'geo' | 'text' | 'bool' | 'datetime' | 'uuid'

페이로드 필드의 스키마 유형

wait?:

boolean

= true

작업이 완료될 때까지 기다릴지 여부

// Create a keyword index for filtering by source
await store.createPayloadIndex({
  indexName: 'my_index',
  fieldName: 'source',
  fieldSchema: 'keyword',
})

const results = await store.query({
  indexName: 'my_index',
  queryVector: queryVector,
  filter: { source: 'document-a' },
})

deletePayloadIndex()

컬렉션 필드에서 페이로드 인덱스를 제거합니다.

indexName:

string

페이로드 인덱스를 삭제할 컬렉션의 이름

fieldName:

string

삭제할 페이로드 필드 인덱스의 이름

wait?:

boolean

= true

작업이 완료될 때까지 기다릴지 여부

응답 유형

쿼리 결과는 다음 형식으로 반환됩니다.

interface QueryResult {
  id: string
  score: number
  metadata: Record<string, any>
  vector?: number[] // Only included if includeVector is true
}

오류 처리

상점에서는 포착할 수 있는 입력된 오류를 발생시킵니다.

try {
  await store.query({
    indexName: 'index_name',
    queryVector: queryVector,
  })
} catch (error) {
  if (error instanceof VectorStoreError) {
    console.log(error.code) // 'connection_failed' | 'invalid_dimension' | etc
    console.log(error.details) // Additional error context
  }
}

관련된

• 메타데이터 필터