Funzionalità Qdrant

Consente il servizio di ricerca semantica organizzando i dati.

Consente l'indicizzazione dei dati per la ricerca e il recupero.

La funzione aiuta a filtrare le query tramite i metadati, ottenendo così una ricerca accurata.

Questa funzione integra vettori e indici di metadati in un unico indice.

Orchestra i passaggi di recupero, riordinamento e arricchimento all'interno dei flussi di lavoro RAG

Ottimizza la selezione dei blocchi, l'assemblaggio del contesto e la fondazione specificamente per il consumo di LLM.

Abilita la messa a punto avanzata delle strategie di recupero lessicale, semantico e riordinato

Fornisce approfondimenti sul comportamento delle query, sulla qualità del recupero e sulle prestazioni di rilevanza

Garantisce la resilienza attraverso la ridondanza, il failover e i meccanismi di recupero

Gestisce gli aggiornamenti degli embedding, il re-indicizzazione e i cambiamenti di versione del modello nel tempo

Abilita la ricerca semantica su testo, immagini, audio o video utilizzando gli embeddings

Consente ai team di portare i propri modelli di embedding o fornitori di LLM e di cambiarli senza dover ristrutturare l'architettura.

Supporta aggiornamenti dell'indice quasi in tempo reale man mano che i dati di origine cambiano

Arricchisce il contenuto utilizzando il chunking, l'inferenza dei metadati, l'estrazione di entità o l'OCR durante l'indicizzazione

Applica autorizzazioni a livello di documento, campo o metadati durante il recupero

Supporta i controlli sui dati regionali, le regole di conservazione e la conformità normativa

Traccia le query, i contenuti recuperati e le decisioni di accesso per conformità e debug

Consente un controllo dettagliato sul posizionamento utilizzando regole, pesi, cicli di feedback o modelli di apprendimento per il ranking

Migliora la qualità del recupero attraverso la riscrittura delle query, l'espansione semantica o il rilevamento dell'intento

Supporta pipeline di recupero a più fasi in cui i candidati iniziali vengono riordinati utilizzando approcci basati su ML o LLM

Regola il recupero e il posizionamento in base al contesto dell'utente, al comportamento o ai segnali a livello di applicazione