你将获得
- 知识库背后是一个专用的向量数据库
- 可选的 API 密钥和 TLS
- 与其他所有向量库相同的代理配置
在 EDDI 中如何工作
- 运行一个 Qdrant 服务器,记下它的主机和 gRPC 端口(EDDI 默认为 6334)。
- 创建一个 RagConfiguration,设置
storeType: "qdrant"和collectionName。 - 用
eddi://ai.labs.rag工作流步骤绑定它。 - 在 LLM 任务中按名称选择它,然后摄取文档。
配置
摘自 EDDI 文档。诸如 your-agent-id 之类的占位符需要你自行替换。
{
"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
}// 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." }
} ] }治理
- 如果 Qdrant 需要 API 密钥,请从保管库引用。
- 嵌入调用会把文档文本发送给你所配置的嵌入提供方。
- 开放的向量库就是你语料的一份副本。请避免暴露在公共接口上。
须知
- 替换文档分块的行为预计在 Qdrant 上可用,但没有测试覆盖。缺少这一点时,重新摄取的文档可能会留下过期的分块。
相关集成
本页的配置和行为依据 EDDI 文档,核对日期为 2026-10-14。字段名称和默认值可能随版本变化,请在所用版本的文档中确认。