qdrant/qdrant

O que é?

Recursos principais

• 01Busca densa, esparsa e multivetorial em um único mecanismo.
• 02Filtragem por payload com condições must, should e must_not.
• 03Busca híbrida com fusão de scores por RRF e DBSF.
• 04Quantização integrada para reduzir o uso de RAM.
• 05Sharding, replicação e atualizações de coleções sem tempo de inatividade.
• 06REST API e gRPC com clientes oficiais em seis linguagens.

Casos de uso

• Criar busca semântica de texto usando embeddings de um modelo de linguagem.
• Busca por similaridade de imagens ou produtos no e-commerce.
• Implementar recomendações com base em pontos de exemplo positivos e negativos.
• Executar busca vetorial em dispositivos de borda com suporte offline usando Qdrant Edge.

Início rápido

1. 1

   Inicie o servidor Qdrant com Docker

   docker run -p 6333:6333 qdrant/qdrant
2. 2

   Conecte-se ao servidor com o cliente Python

   from qdrant_client import QdrantClient client = QdrantClient(url="http://localhost:6333")

Antes de usar

• !O comando do Docker inicia uma implantação insegura, sem autenticação e acessível por todas as interfaces de rede. Proteja-a antes de usá-la em produção.

Tópicos

Perguntas frequentes

O que é qdrant?

O Qdrant é um mecanismo de busca por similaridade vetorial e banco de dados vetorial baseado em Rust, com filtragem por payload, voltado a busca semântica e recomendações. O Qdrant é um mecanismo de busca por similaridade vetorial e um banco de dados vetorial. Ele armazena pontos, cada um composto por um vetor e um payload JSON arbitrário, e permite buscá-los por similaridade enquanto filtra campos do payload, como palavras-chave, texto completo, intervalos numéricos e localizações geográficas. Ele é voltado a aplicações de correspondência semântica e com redes neurais, busca facetada e recomendações baseadas em embeddings.

qdrant é gratuito? Qual é a licença?

qdrant é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.

qdrant ainda é mantido?

Manutenção ativa. O último commit de qdrant foi em 20 de out. de 2026.

Para que posso usar qdrant?

Criar busca semântica de texto usando embeddings de um modelo de linguagem. Busca por similaridade de imagens ou produtos no e-commerce. Implementar recomendações com base em pontos de exemplo positivos e negativos. Executar busca vetorial em dispositivos de borda com suporte offline usando Qdrant Edge.

Como instalar qdrant?

Inicie o servidor Qdrant com Docker: docker run -p 6333:6333 qdrant/qdrant Conecte-se ao servidor com o cliente Python: from qdrant_client import QdrantClient client = QdrantClient(url="http://localhost:6333")

Onde consigo qdrant?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/qdrant/qdrant