Qdrant

Qdrant 1.19 的 Turbo4 技术通过 4 位压缩存储减少 9 倍空间，但牺牲重评分能力。

Qdrant 1.19版本改进BM25评分，通过按租户独立计算IDF提升多租户环境下的搜索准确性。

Qdrant 1.19新增关键字索引前缀匹配功能，实现快速前缀查询与精确匹配共存。

Twelve Labs提出视频处理新范式，通过Marengo/Pegasus/Jockey三重模型解决传统视频分析的语义缺失问题，Qdrant提供底层向量存储支持。

HubSpot通过自研Kubernetes操作符优化Qdrant集群管理，实现200亿向量跨5大区的高效搜索服务。

AI记忆技术正从简单存储进化为融合RAG、GraphRAG和短期记忆的知识图谱系统，Qdrant与Neo4j协同实现向量与图关系存储，TurboQuant量化技术显著优化知识图谱效率。

使用Qdrant和Llama Index构建多租户搜索系统可实现数据隔离与高效扩展，无需管理多个集合。

持续学习的核心在于构建可扩展的记忆系统而非频繁重训练，Qdrant通过开源记忆层实现这一目标。

HubSpot通过自研VaaS平台和Qdrant实现200亿向量管理，用Translators自动化集群操作，解决大规模语义搜索的扩展难题。

Qdrant 将向存储与计算分离的方向发展，实现本地查询索引片段，无需云端往返。

无需LLM即可预测检索质量，通过信号检测弱检索，提升系统效率。

Qdrant 在 2023 年 Google Summer of Code 中新增了多边形地理过滤功能，提升向量数据库的地理查询能力。

Qdrant 1.6 推出更灵活的推荐 API，支持正负样本混合输入和多种搜索策略，提升推荐系统效果。

Qdrant 1.7.0 新增稀疏向量支持和 Discovery API，提升向量搜索功能。

Qdrant 1.8.0 提升了稀疏向量搜索速度，达到 16 倍优化，并引入了 CPU 资源管理功能。

将相关性直接嵌入搜索过程，而非检索后处理，可显著提升搜索系统的检索质量。

无需训练定制模型即可实现火灾检测，通过Edge RAG和向量搜索技术实现本地实时检测。

更大的上下文窗口并不使向量搜索过时，使用Qdrant的两步检索流程在成本和效率上更优。

本文提供了一套评估信息检索系统的实用方法，结合 Qdrant 和 Evret 工具进行基准测试和性能分析。

Qdrant Edge在边缘设备上运行可将检索延迟从52ms降至0.1ms，显著提升实时响应能力。

活动聚焦AI代理检索系统改进，但缺乏技术细节，适合关注该领域的人参加。

文章介绍了一种无需云端的本地AI助手构建方案，使用Qdrant EDGE和LiteRT实现。

Qdrant将于7月23日在慕尼黑举办BASED Meetup #6，聚焦搜索、检索和RAG技术的开放讨论。

Qdrant将展示如何使用Qdrant Edge和Google LiteRT构建全设备RAG流水线，无需云端依赖。

本文介绍Qdrant与cognee在柏林举办的AI记忆层构建活动，通过结构化记忆和语义检索技术增强Slack团队协作效率。

本文宣传Qdrant与Cognee联合举办的Slack记忆层开发黑客马拉松，提供1200欧元奖金池和技术支持。

文章是Qdrant和twelve_labs关于AI技术活动的宣传，缺乏技术深度。

Qdrant 宣布将与 TRJ_0751 联合举办技术分享会，演示如何利用 Qdrant Edge 和 Google LiteRT 实现无需云端的设备端 RAG 流水线。

推文展示Qdrant Edge在设备端AI RAG的应用，但缺乏技术细节和实践案例。

Vector Space Day San Francisco 展示了检索技术的未来，但文章内容缺乏深度和具体信息。