qdrant

本文讨论了ACORN算法如何解决过滤向量搜索的挑战，并与Qdrant的可过滤HNSW方法进行比较，包括在百万点数据集上的性能基准测试。

一条推文警告说，仅根据速度基准测试选择向量数据库可能会对AI智能体造成陷阱，因为AI智能体具有持续的写入负载，这与RAG以读取为主的模式不同。它根据用例推荐了特定的数据库，例如用于智能体记忆的Qdrant，以及用于PostgreSQL上低于1000万向量的pgvector。

本文提供了一份实用指南，介绍如何使用LangExtract、Neo4j、Qdrant和Ollama构建GraphRAG系统，结合实体提取、知识图谱和向量搜索，实现上下文感知的检索。

一位开发者分享说，RAG应用中的真正问题是检索步骤在处理版本号和代码时失败，通过混合搜索（向量+BM25+倒数排名融合）解决，而不是模型问题。

Arize 的 Laurie Voss 将于6月11日在旧金山举行的 QDrant Vector Space Day 大会上发表演讲，内容涵盖检索指标、黄金数据集、LLM-as-judge 以及用于 CI 管线的持续评估。

This article introduces 7 production-ready skills from the Hermes Skills Hub, covering the full lifecycle from tool integration and structured output to deployment, observability, and security.