qdrant

仓库创建 2025年10月21日最近提交 1 个月前SkillHot 收录 22 天前

▸ 精选理由

适合需要低延迟相似检索的推荐或 RAG 场景。

▸ 风险提示

依赖外部 Qdrant 服务或自建实例，需运维、网络与权限配置。

这个 Skill 做什么

在 Java/Spring 项目中集成 Qdrant 的向量存储与相似度检索模式。

把 Qdrant 当成向量数据库在 Java/Spring 项目里接入，负责存储 embedding、相似度检索和向量管理，常用于 RAG、语义检索或推荐系统。适合需要把大模型的检索能力整合到后端、做语义搜索或相似项查找时使用。特点是给出与 LangChain4j 的集成模式和工程实践，方便在 Spring Boot 中落地。

▸ 展开 SKILL.md 英文原文

Provides Qdrant vector database integration patterns with LangChain4j. Handles embedding storage, similarity search, and vector management for Java applications. Use when implementing vector-based retrieval for RAG systems, semantic search, or recommendation engines.

开发编程Qdrant向量数据库相似检索通用

311

Stars

Forks

仓库内 Skill

+10

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/giuseppe-trisciuoglio/developer-kit/main/plugins/developer-kit-java/skills/qdrant/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/giuseppe-trisciuoglio/developer-kit/main/plugins/developer-kit-java/skills/qdrant/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# Qdrant Vector Database Integration

## Overview

Qdrant is an AI-native vector database for semantic search and similarity retrieval. This skill provides patterns for integrating Qdrant with Java applications, focusing on Spring Boot and LangChain4j integration.

## When to Use

- Semantic search or recommendation systems in Spring Boot applications
- RAG pipelines with Java and LangChain4j
- Vector database integration for AI/ML applications
- High-performance similarity search with filtered queries

## Instructions

### 1. Deploy Qdrant with Docker

```bash
docker run -p 6333:6333 -p 6334:6334 \
    -v "$(pwd)/qdrant_storage:/qdrant/storage:z" \
    qdrant/qdrant
```

Access: REST API at

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有