
pipeline 中的最常见位置	1. 在 RAG 管道的文本嵌入器之后和 `PromptBuilder` 之前 2. 语义搜索管道的最后一个组件 3. 在提取式 QA 管道的文本嵌入器之后和 `ExtractiveReader` 之前
必需的初始化变量	"document_store": QdrantDocumentStore 的一个实例
强制运行变量	“query_embedding”: 代表查询的向量（一个浮点数列表）
输出变量	“documents”：文档列表
API 参考	Qdrant
GitHub 链接	https://github.com/deepset-ai/haystack-core-integrations/tree/main/integrations/qdrant

概述

该QdrantEmbeddingRetriever 是一个与QdrantDocumentStore 兼容的基于嵌入的检索器。它会比较查询和文档的嵌入，并根据结果从QdrantDocumentStore 中获取与查询最相关的文档。

使用在您的 NLP 系统中 QdrantEmbeddingRetriever，请确保查询和文档嵌入可用。您可以在索引管道中添加 Document Embedder，并在查询管道中添加 Text Embedder。

除了query_embedding 之外，QdrantEmbeddingRetriever 还接受其他可选参数，包括top_k（要检索的文档的最大数量）和filters（用于缩小搜索范围）。

在初始化相应的QdrantDocumentStore 初始化时使用的参数，包括嵌入维度（embedding_dim）、similarity 用于比较嵌入的函数，以及 HNWS 配置（hnsw_config).

安装

要开始在 Haystack 中使用 Qdrant，请先使用以下命令安装软件包：

pip install qdrant-haystack

用法

单独使用

此检索器需要要运行 QdrantDocumentStore 和索引的文档。

from haystack_integrations.components.retrievers.qdrant import QdrantEmbeddingRetriever
from haystack_integrations.document_stores.qdrant import QdrantDocumentStore

document_store = QdrantDocumentStore(
    ":memory:",
    recreate_index=True,
    return_embedding=True,
    wait_result_from_api=True,
)
retriever = QdrantEmbeddingRetriever(document_store=document_store)

# using a fake vector to keep the example simple
retriever.run(query_embedding=[0.1]*768)

在 Pipeline 中

from haystack.document_stores.types import DuplicatePolicy
from haystack import Document
from haystack import Pipeline
from haystack.components.embedders import SentenceTransformersTextEmbedder, SentenceTransformersDocumentEmbedder

from haystack_integrations.components.retrievers.qdrant import QdrantEmbeddingRetriever
from haystack_integrations.document_stores.qdrant import QdrantDocumentStore

document_store = QdrantDocumentStore(
    ":memory:",
    recreate_index=True,
    return_embedding=True,
    wait_result_from_api=True,
)

documents = [Document(content="There are over 7,000 languages spoken around the world today."),
						Document(content="Elephants have been observed to behave in a way that indicates a high level of self-awareness, such as recognizing themselves in mirrors."),
						Document(content="In certain parts of the world, like the Maldives, Puerto Rico, and San Diego, you can witness the phenomenon of bioluminescent waves.")]

document_embedder = SentenceTransformersDocumentEmbedder()  
document_embedder.warm_up()
documents_with_embeddings = document_embedder.run(documents)

document_store.write_documents(documents_with_embeddings.get("documents"), policy=DuplicatePolicy.OVERWRITE)

query_pipeline = Pipeline()
query_pipeline.add_component("text_embedder", SentenceTransformersTextEmbedder())
query_pipeline.add_component("retriever", QdrantEmbeddingRetriever(document_store=document_store))
query_pipeline.connect("text_embedder.embedding", "retriever.query_embedding")

query = "How many languages are there?"

result = query_pipeline.run({"text_embedder": {"text": query}})

print(result['retriever']['documents'][0])