公司
别名：qdrant_engine
提供向量检索技术的公司。
已跟踪 30 条高相关材料
最近变化
2026-06-09 · Qdrant 作为检索层，支持自然语言查询照片。
为什么值得关注
Qdrant 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Most in-car media systems still expect you to search with keywords. But when you’re driving, you do...
Qdrant(@qdrant_engine) · 8.7 分
当前车载媒体系统仍依赖关键词搜索，而驾驶时用户更倾向于用情绪、氛围和意图表达需求；Sarvesh Talele 使用 Qdrant Edge 构建了完全本地化的 AI 驱动媒体发现系统，支持语音/文本/情绪三类语义查询，全程无需云端依赖，实现隐私优先的实时体验。
Fast retrieval is table stakes. Retrieval that respects who's asking, what they're allowed to see, a...
Qdrant(@qdrant_engine) · 8.5 分
Qdrant 提出了一种结合 Neo4j 图治理层的架构，实现符合企业政策的向量检索。
Qdrant 1.18 is out, featuring TurboQuant; a new quantization method developed by Google Research. O...
Qdrant(@qdrant_engine) · 8.5 分
Qdrant 1.18 发布，引入了由 Google Research 开发的新量化方法 TurboQuant，提供更高的内存效率和更好的召回率。
已收录 30 条与 Qdrant 相关的内容，按评分排序。
当前车载媒体系统仍依赖关键词搜索，而驾驶时用户更倾向于用情绪、氛围和意图表达需求；Sarvesh Talele 使用 Qdrant Edge 构建了完全本地化的 AI 驱动媒体发现系统，支持语音/文本/情绪三类语义查询，全程无需云端依赖，实现隐私优先的实时体验。
入选理由：系统采用 Whisper 实现本地语音转录，Qdrant Edge 提供设备端向量检索，全程无云服务依赖
Qdrant 提出了一种结合 Neo4j 图治理层的架构，实现符合企业政策的向量检索。
入选理由：企业级 AI 需要结合向量检索与图治理层以确保合规性。
Qdrant 1.18 发布，引入了由 Google Research 开发的新量化方法 TurboQuant，提供更高的内存效率和更好的召回率。
入选理由：TurboQuant 提供与标量量化（SQ）相似的召回率，但内存使用减少 50%。
Qdrant 1.17 引入首个原生向量索引相关性反馈机制，将相关性判断直接嵌入检索过程，提升向量搜索效率与准确性。
入选理由：Qdrant 1.17 首次实现向量索引原生相关性反馈（index-native relevance feedback）
基于Qdrant Edge的语义记忆引擎允许开发者使用自然语言搜索代码库，替代传统的grep关键词搜索方式。
入选理由：Qdrant Edge构建的语义记忆引擎支持自然语言而非关键字搜索代码
Qdrant 将在 Vector Space Day 上介绍如何构建一个智能、可靠的生产级 AI 代理，涵盖可扩展系统、上下文感知推理、实时决策制定及高风险环境下的稳定性。
入选理由：Qdrant 将在 Vector Space Day 上分享其生产级 AI 代理的架构理念。
Qdrant 宣布了 Vector Space Day 的几位演讲者，包括 Taranjeet Singh、Paige Bailey 和 HubSpot，他们将分别讨论持续学习、技能文档对代理的影响以及扩展到大规模向量搜索。活动将于 6 月 11 日在 The Midway 举行。
入选理由：Taranjeet Singh 将探讨持续学习与记忆的关系。
AI招聘系统使用Qdrant Cloud混合搜索和多向量表示技术，将候选人匹配准确率从30%提升至99.993%，实现了高效精准的大规模人才筛选。
入选理由：传统语义搜索在招聘中遇到瓶颈，准确率仅为30%，无法区分职位细微差异
本地部署AI系统可保障隐私，Qdrant Edge结合YAMNet实现本地SOS检测。
入选理由：使用Qdrant Edge可在本地运行AI系统，无需依赖云端。
Qdrant 用于构建一个基于 AI 的照片管理系统，通过自然语言查询实现照片的语义检索。
入选理由：Qdrant 作为检索层，支持自然语言查询照片。
Qdrant 宣布与 Aman 合作，帮助 Israeli 企业构建生产 AI。
入选理由：Qdrant 是一个专为大规模分布式系统设计的向量搜索引擎。
文章讨论了如何构建支持200亿向量搜索的基础设施，重点在于自动化Kubernetes操作和大规模检索系统的实践。
入选理由：自动化Kubernetes操作可提升向量搜索系统的可靠性与可扩展性。
视频是信息密度最高的模态，但大多数检索系统仍将其当作带图片的文本处理；James Le 将在 Vector Space Day 展示如何通过正确的多模态检索实现语义搜索、对象追踪和高亮生成等高级功能。
入选理由：视频是信息密度最高的模态，但当前检索系统大多将其当作带图片的文本处理。
Qdrant 宣布将在柏林举办一场关于 AI 检索、智能体和现代搜索系统的活动，讨论检索在智能体时代的发展，包括生产 RAG、记忆系统和向量搜索。活动链接：https://t.co/zTuvAQ5UrM
入选理由：Qdrant 将在柏林举办活动，讨论 AI 检索、智能体和现代搜索系统的发展
Qdrant 宣布 Laurie Voss 将在 Vector Space Day 2026 上讨论 retrieval metrics 和 golden datasets，强调了评估策略的重要性。
入选理由：Tweaking chunk sizes and running a few demo queries is not an evaluation strategy.
加入多模态搜索研讨会并尝试使用 Gemini Embedding 2 和 Qdrant。
入选理由：参加多模态搜索研讨会
TurboQuant现已集成到Qdrant向量数据库，在约2倍压缩率下提供与Scalar Quantization相当的召回率，且在相同存储预算下优于Binary Quantization。
入选理由：TurboQuant在Qdrant中实现约2倍压缩率，召回率与Scalar Quantization相当
Qdrant 将向量搜索技术应用于网络安全领域，通过相似性搜索、威胁建模和漏洞分析等方法提升 CyberOps 效率。
入选理由：Qdrant 使用向量搜索技术优化网络安全操作（CyberOps）。
Qdrant 推出 Agent Skills 功能，扩展向量搜索的用途。
入选理由：Qdrant 引入 Agent Skills 提升向量搜索能力
Qdrant 宣布今日将举行办公室时间活动，主题为“使用 Qdrant 进行威胁情报”，由 Kevin 主持，讨论向量搜索在网络安全运营中的应用，包括威胁建模、攻击面分析和大规模安全数据关联。活动时间为 CEST 时间下午 6 点，地点在 Qdrant Discord，提供链接供参与。
入选理由：Qdrant 将于 CEST 时间今日下午 6 点举行办公室时间活动，主题是“使用 Qdrant 进行威胁情报”。
Qdrant将于6月11日在柏林举办Vector Space Meetup，探讨Agent时代检索范式从单纯向量匹配向动态决策（何时搜、搜什么、用何工具）的转变。
入选理由：现代Agent检索需具备动态决策能力，包括判断搜索时机、内容、工具选择及信息充分性验证。
该推文仅为Vector Space Day活动预告，缺乏具身智能框架的技术细节与工程实践价值。AWS工程师将演示开源Agentic框架，通过混合检索将物理硬件暴露为可编程Agent工具，但正文未提供架构原理或代码实现。
入选理由：AWS工程师Sandhya Subramani将在Vector Space Day演示具身智能开源框架。
Qdrant 宣布将在 MistralAI 峰会上分享结合 OCR 与语义搜索处理复杂文档的技术方案，但文章仅为活动预告，缺乏深度技术细节。
入选理由：Qdrant 将在巴黎 AI NOW 峰会展示语义搜索与 OCR 结合的应用。
该推文指出医疗保险复杂难懂，患者难以找到合适的医疗服务，SunnyHealthAI 正在构建医疗助理来解决此问题。
入选理由：大多数患者对医疗保险覆盖范围不了解。
这是一条推广Qdrant即将举办的关于TurboQuant技术 webinar 的宣传推文，缺乏实质技术细节。
入选理由：TurboQuant 声称可在不牺牲召回率的前提下实现更好压缩效果。
这是一条Qdrant官方Twitter推广其深度查询过滤功能的营销推文，仅列出向量搜索的四个组成部分（语义搜索、元数据过滤、结构化约束、快速查询执行），未展开技术细节或生产实践经验，信息密度极低。
入选理由：Qdrant强调真实检索系统需结合语义搜索、元数据过滤、结构化约束和快速查询执行四层能力
Qdrant 将于明天举办 TurboQuant 网络研讨会，展示 TurboQuant 在压缩性能上的优势，同时不牺牲召回率，并进行技术演示。
入选理由：TurboQuant 提供更好的压缩性能而不牺牲召回率。
Qdrant宣布作为黄金合作伙伴参加#bbuzz26，并邀请参会者与团队成员会面，讨论向量搜索、生产检索系统和实际AI工作负载。他们还将展示Qdrant Edge的现场演示和提供大量周边商品。
入选理由：Qdrant将作为黄金合作伙伴参加#bbuzz26。
这是一则关于技术大会的推广信息，宣布Qdrant将举办关于向量搜索、AI内存、上下文工程等方面的技术讲座。
入选理由：Qdrant将举办技术大会聚焦向量搜索和AI基础设施
Vector Space Day 2026早鸟票即将结束，活动将于6月11日在旧金山举行，聚焦检索、代理和边缘AI。
入选理由：Vector Space Day 2026将在6月11日于旧金山举办，提供技术讲座。
