Skip to content
🚀 EDDI 6.5.0

19个LLM提供商、可抓取网站并读取文件的知识库,以及沿用兼容代理版本的对话新功能

托管云 立即开始
所有集成
数据与 RAGstoreType: qdrant

Qdrant

把 Qdrant 用作 EDDI 知识库的向量库,这是一款专为向量设计的数据库,扩展空间充裕。

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

  1. 运行一个 Qdrant 服务器,记下它的主机和 gRPC 端口(EDDI 默认为 6334)。
  2. 创建一个 RagConfiguration,设置 storeType: "qdrant" 和 collectionName。
  3. 用 eddi://ai.labs.rag 工作流步骤绑定它。
  4. 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。

RagConfiguration (POST /ragstore/rags)Qdrant 需要主机、端口和集合名称。apiKey 和 useTls 是可选的。
{
  "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 task把知识库绑定到代理,并在任务中使用它。
// 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。