Qdrant向量存储节点#

使用Qdrant节点与您的Qdrant集合交互，作为向量存储。您可以将文档插入向量数据库，从向量数据库获取文档，检索文档以提供给连接到链的检索器，或直接连接到智能体作为工具使用。

本页面将介绍Qdrant节点的参数配置，并提供更多相关资源的链接。

节点使用模式#

您可以在以下模式中使用Qdrant向量存储节点。

作为常规节点使用以插入和检索文档#

您可以将Qdrant向量存储作为常规节点使用，用于插入或获取文档。这种模式将Qdrant向量存储置于常规连接流中，而不使用智能体。

你可以在此模板的第一部分看到这个示例。

直接连接AI智能体作为工具#

您可以直接将Qdrant向量存储节点连接到AI智能体的工具连接器，以便在回答查询时使用向量存储作为资源。

这里的连接关系是：AI智能体（工具连接器）-> Qdrant向量存储节点。

使用检索器获取文档#

你可以使用Vector Store Retriever节点与Qdrant Vector Store节点配合，从Qdrant Vector Store节点获取文档。这通常与Question and Answer Chain节点一起使用，用于从向量存储中获取与给定聊天输入匹配的文档。

一个连接流程示例可能是：问答链（检索器连接器）-> 向量存储检索器（向量存储连接器）-> Qdrant向量存储。

使用向量存储问答工具来回答问题#

另一种模式使用向量存储问答工具来汇总结果并回答来自Qdrant向量存储节点的问题。这种模式不是直接将Qdrant向量存储作为工具连接，而是使用专门设计用于汇总向量存储中数据的工具。

在这种情况下，connections flow将如下所示：AI智能体（工具连接器）->向量存储问答工具（向量存储连接器）->Qdrant向量存储。

节点参数#

操作模式#

该向量存储节点具有四种模式：获取多条、插入文档、检索文档（作为链/工具的向量存储）和检索文档（作为AI智能体的工具）。您选择的模式决定了节点可执行的操作以及可用的输入和输出。

获取多个#

在此模式下，您可以通过提供提示从向量数据库中检索多个文档。该提示将被嵌入并用于相似性搜索。节点将返回与提示最相似的文档及其相似度分数。如果您想检索相似文档列表并将其作为额外上下文传递给智能体，此功能非常有用。

插入文档#

使用插入文档模式将新文档插入到您的向量数据库中。

检索文档（作为链/工具的向量存储）#

使用"检索文档（作为链/工具的向量存储）"模式配合向量存储检索器，从向量数据库中检索文档并将其提供给连接到链的检索器。在此模式下，必须将该节点连接到检索器节点或根节点。

检索文档（作为AI智能体的工具）#

使用"检索文档（作为AI智能体工具）"模式，在回答查询时将向量存储作为工具资源使用。当智能体在构建响应时，如果向量存储的名称和描述与问题细节匹配，则会使用该向量存储。

获取多个参数#

• Qdrant集合名称: 输入要使用的Qdrant集合名称。
• 提示: 输入搜索查询。
• Limit: 输入要从向量存储中检索的结果数量。例如，设置为10可获取最佳的十个结果。

此操作模式包含一个节点选项，即元数据过滤器。

插入文档参数#

• Qdrant集合名称: 输入要使用的Qdrant集合名称。

此操作模式包含一个节点选项：

• 集合配置: 输入用于创建Qdrant集合配置的JSON选项。更多信息请参考Qdrant的集合文档。

检索文档（作为链/工具的向量存储）参数#

• Qdrant集合: 输入要使用的Qdrant集合名称。

此操作模式包含一个节点选项，即元数据过滤器。

检索文档（作为AI智能体的工具）参数#

• 名称: 向量存储的名称。
• 描述: 向大语言模型解释这个工具的功能。一个具体清晰的描述能让大语言模型更频繁地产生预期结果。
• Qdrant集合: 输入要使用的Qdrant集合名称。
• Limit: 输入要从向量存储中检索的结果数量。例如，设置为10可获取最佳的十个结果。

节点选项#

元数据过滤器#

在获取多个模式下可用。搜索数据时，使用此选项与文档关联的元数据进行匹配。

这是一个AND查询。如果您指定多个元数据筛选字段，则所有字段都必须匹配。

插入数据时，元数据是通过文档加载器设置的。有关加载文档的更多信息，请参阅Default Data Loader。

模板和示例#

相关资源#

有关该服务的更多信息，请参阅LangChain的Qdrant文档。

查看n8n的高级AI文档。

自托管AI入门套件#

初次接触AI并使用自托管的n8n？试试n8n的自托管AI入门套件，通过Ollama、Qdrant和PostgreSQL快速搭建概念验证或演示环境。