Qdrant 是一个面向 AI 检索的高性能向量搜索引擎，用于构建可扩展的向量搜索与检索系统。官网将其定位为支持任意规模和部署模式的 AI retrieval 基础设施，既可以运行在 Qdrant Cloud，也可以部署在本地、混合云、私有云或边缘环境。它的核心差异体现在原生混合搜索、复杂元数据过滤、多向量检索、实时索引和多种重排序能力，并通过 REST、gRPC 以及 Python、JavaScript 等官方客户端向开发者提供访问方式。
核心功能
向量搜索与实时检索
Qdrant 用于执行向量搜索，并针对实时检索场景设计。官网介绍其使用 Rust、SIMD 和自定义存储引擎 Gridstore 构建，支持可扩展的向量检索。新增数据可以即时建立索引，不需要重建整个索引，向量在加入后即可被搜索。
原生混合搜索
Qdrant 可以在一次查询中组合关键词搜索和向量搜索，支持 dense vectors 与 sparse vectors。官网列出的兼容方式包括 BM25、SPLADE++ 和 miniCOIL，适用于需要同时利用语义匹配与关键词匹配的检索场景。
元数据过滤
系统可以将元数据以 JSON 形式存储，并使用 advanced filters 对结果进行筛选。官网明确列出了 nested、text、geo、has_vector 等过滤类型；过滤过程可以在 HNSW 遍历期间完成，而不是先过滤或后过滤，从而在复杂条件下保持较高召回率与较低延迟。
多向量与重排序
Qdrant 支持为同一个对象设置多个向量，使检索层能够处理更具表达力、灵活性和多模态的表示。在结果排序方面，它支持使用业务逻辑进行分数提升，也支持 ColBERT 等 late interaction models 进行 token-level precision，并可通过 Maximum Marginal Relevance（MMR）实现结果多样化。
存储优化与量化
官网将 Qdrant 描述为面向大规模向量存储进行优化的搜索引擎，并提供 asymmetric、scalar 和 binary quantization。量化技术可将内存使用量最多降低 64 倍，同时保持搜索质量；官网还说明其优化后的存储架构可用于存储 billions of vectors。
Web UI、API 与云端推理
开发者可以通过 REST、gRPC 或官方客户端调用 Qdrant，从单次 API 调用开始，并进一步控制 HNSW、混合融合、重排序和多向量检索。内置 Web UI 可用于浏览 collections、测试向量和元数据查询、应用过滤器以及检查结果。Qdrant Cloud 还提供原生 Cloud Inference，用于生成文本和图像 embeddings 并执行向量搜索，不需要额外的 pipeline 或基础设施。
使用方式
Qdrant 提供 Qdrant Cloud、Hybrid Cloud、Private Cloud 和 Qdrant Edge 等部署选项，也支持 on-premise 部署。开发者可以通过 REST、gRPC、Python、JavaScript 等方式接入，并使用内置 Web UI 检查 collections、查询和结果。官网提供 Cloud Quickstart，说明可以在几秒内启动一个集群；正文未说明是否必须注册，也未要求用户自备模型 Key。
适用人群与场景
构建 RAG 和生成式 AI 应用的开发者，可以使用混合 dense-sparse 检索、元数据过滤和实时更新来提供带上下文的回答。开发 AI Agent 的团队，可以使用持久化记忆和快速相似性搜索支持有上下文的交互。需要语义搜索的团队，可以使用理解意图的 neural search 超越关键词匹配；推荐系统开发者则可以通过实时相似性匹配，为大量商品或内容提供个性化推荐。Qdrant 也将数据分析与异常检测列为应用场景，用于发现偏离正常行为的数据模式。
定价
官网首页提供“Start Free in Qdrant Cloud”和“Cloud Quickstart”入口，说明 Qdrant Cloud 可以免费开始使用，并可在几秒内启动集群。给定正文没有列出免费额度、具体价格或付费档位，因此无法进一步确定不同计划的资源限制与计费方式。
