Qdrant
Base de datos vectorial y motor de búsqueda de similitud para construir aplicaciones de IA con embeddings.
Descripción general
Qdrant es un motor de búsqueda por similitud vectorial y base de datos vectorial, escrito en Rust, que almacena y busca "puntos" —vectores más una carga útil arbitraria— con énfasis en un filtrado rico y extendido junto a la propia búsqueda por similitud (combinando coincidencia semántica con filtros de metadatos estructurados).
Se ejecuta como un servidor (mediante Docker u otro despliegue) con bibliotecas cliente oficiales para Python, JavaScript/TypeScript, Go, Rust, .NET/C# y Java, o como Qdrant Edge, una variante embebida ligera que se ejecuta dentro del proceso de tu aplicación para entornos edge o con recursos limitados y que puede sincronizarse con un servidor Qdrant completo. Qdrant también publica "agent skills" ya preparadas que llevan sus herramientas de búsqueda vectorial directamente a los asistentes de codificación de IA.
Está disponible autoalojado o como servicio gestionado Qdrant Cloud con un nivel gratuito. Qdrant encaja en equipos que construyen búsqueda semántica, recomendación u otras funciones de coincidencia basadas en embeddings que también necesitan filtrar por metadatos estructurados junto a la propia búsqueda vectorial.
- Categorías
- IA y Machine LearningBase de datos
- Palabras clave
- vector-databaseembeddingssimilarity-searchai
- Lenguajes
- Rust
- Licencia
- Apache-2.0
Proyectos relacionados
Milvus
Apache-2.0Base de datos vectorial de código abierto construida para búsqueda de similitud escalable y aplicaciones de IA.
- IA y Machine Learning
- Base de datos
Ollama
MITEjecuta modelos de lenguaje grandes de forma local con una interfaz de línea de comandos y una API sencillas.
- IA y Machine Learning
PyTorch
BSD-3-ClauseFramework de machine learning de código abierto que acelera el camino desde el prototipado en investigación hasta el despliegue en producción.
- IA y Machine Learning
TensorFlow
Apache-2.0Plataforma de código abierto de extremo a extremo para machine learning, desde la investigación hasta la producción.
- IA y Machine Learning
¿Encontraste un error? Sugiere una edición en GitHub.