Skip to content
🚀 EDDI 6.5.0

ผู้ให้บริการ LLM 19 ราย ฐานความรู้ที่ครอลเว็บไซต์และอ่านไฟล์ของคุณ และบทสนทนาที่ย้ายตามเวอร์ชันเอเจนต์ที่เข้ากันได้มีอะไรใหม่

แมนเนจด์คลาวด์ เริ่มต้น
การเชื่อมต่อทั้งหมด
ข้อมูลและ RAGstoreType: qdrant

Qdrant

Qdrant เป็น vector store สำหรับฐานความรู้ของ EDDI ฐานข้อมูลเวกเตอร์ที่สร้างมาเพื่อโดยเฉพาะ และมีพื้นที่ให้ขยายต่อ

สิ่งที่คุณได้รับ

  • ฐานข้อมูลเวกเตอร์เฉพาะทางเบื้องหลังฐานความรู้ของคุณ
  • API key และ TLS (ไม่บังคับ)
  • การตั้งค่าเอเจนต์เหมือนกับ store อื่นทุกตัว

ทำงานอย่างไรใน EDDI

  1. รันเซิร์ฟเวอร์ Qdrant และจดโฮสต์กับพอร์ต gRPC (ค่าเริ่มต้นของ EDDI คือ 6334)
  2. สร้าง RagConfiguration ที่มี storeType: "qdrant" และ collectionName
  3. ผูกด้วยขั้นตอน workflow eddi://ai.labs.rag
  4. เลือกตามชื่อในงาน LLM แล้วนำเข้าเอกสาร

การตั้งค่า

นำมาจากเอกสารของ EDDI ค่าตัวอย่างเช่น your-agent-id ให้คุณแทนที่ด้วยค่าของคุณเอง

RagConfiguration (POST /ragstore/rags)Qdrant ต้องใช้โฮสต์ พอร์ต และชื่อ collection ส่วน apiKey และ useTls ไม่บังคับ
{
  "name": "product-docs",
  "embeddingProvider": "openai",
  "embeddingParameters": {
    "model": "text-embedding-3-small",
    "apiKey": "${vault:openai-key}"
  },
  "storeType": "qdrant",
  "storeParameters": {
    "host": "localhost",
    "port": 6334,
    "collectionName": "product-docs",
    "useTls": false
  },
  "chunkStrategy": "recursive",
  "chunkSize": 512,
  "chunkOverlap": 64,
  "maxResults": 5,
  "minScore": 0.6
}
workflow step + langchain.json taskผูกฐานความรู้กับเอเจนต์และใช้ในงาน
// 1. workflow step: binds the knowledge base to the agent
{ "type": "eddi://ai.labs.rag",
  "extensions": {},
  "config": { "uri": "eddi://ai.labs.rag/ragstore/rags/{ragId}?version=1" } }

// 2. LLM task: selects it by the "name" of the RagConfiguration
{ "tasks": [{
    "actions": ["*"],
    "type": "openai",
    "knowledgeBases": [{ "name": "product-docs", "maxResults": 5, "minScore": 0.7 }],
    "parameters": { "systemMessage": "You are a helpful assistant." }
} ] }

การกำกับดูแล

  • หาก Qdrant ต้องใช้ API key ให้อ้างอิงจากคลังความลับ
  • การเรียก embedding ส่งข้อความของเอกสารไปยังผู้ให้บริการ embedding ที่คุณกำหนด
  • vector store ที่เปิดโล่งคือสำเนาของชุดเอกสารของคุณ อย่าเปิดบนอินเทอร์เฟซสาธารณะ

ควรรู้

  • การแทนที่ chunk ของเอกสารคาดว่าใช้ได้กับ Qdrant แต่ไม่มีการทดสอบครอบคลุม หากไม่มี เอกสารที่นำเข้าใหม่อาจทิ้ง chunk ที่ล้าสมัยไว้

การเชื่อมต่อที่เกี่ยวข้อง

การตั้งค่าและพฤติกรรมในหน้านี้อ้างอิงเอกสารของ EDDI ตรวจสอบเมื่อ 2026-10-14 ชื่อฟิลด์และค่าเริ่มต้นอาจเปลี่ยนไประหว่างรุ่น โปรดยืนยันในเอกสารของรุ่นที่คุณใช้