Qdrant

Para uma IA responder com base nos documentos da empresa, alguém precisa guardar esses textos como vetores e achar os mais parecidos com cada pergunta. O Qdrant faz essa parte. Escrito em Rust, ele guarda cada vetor com um payload em JSON e devolve os resultados mais próximos, já filtrados pelos campos que você escolher.

Para que serve

• Ser a camada de busca de um sistema de RAG, em que o modelo consulta trechos de documentos antes de responder.
• Oferecer busca semântica num catálogo ou numa base de artigos, com filtro por categoria, faixa numérica ou localização.
• Rodar busca híbrida, que junta vetores densos (sentido do texto) com vetores esparsos (termos exatos).
• Recomendar itens pela semelhança entre eles.
• Cortar o consumo de memória com a quantização embutida, trocando um pouco de precisão por velocidade.

Como começar

O README sobe o servidor com um comando de Docker:

docker run -p 6333:6333 qdrant/qdrant

Depois você conecta por um dos clientes oficiais (Python, JavaScript/TypeScript, Go, Rust, .NET e Java). Em Python fica assim:

from qdrant_client import QdrantClient
client = QdrantClient(url="http://localhost:6333")

Atenção: essa configuração padrão não tem autenticação e escuta em todas as interfaces de rede. Proteja o acesso antes de expor o servidor. Para volumes grandes, o Qdrant tem sharding e replicação.

Licença e custo

O Qdrant é Apache 2.0. Você pode alterar o código e embutir o banco num produto vendido; basta preservar os avisos de copyright e o texto da licença. A instalação própria é gratuita.

A empresa vende o Qdrant Cloud. O plano gratuito tem um nó com 0,5 vCPU, 1 GB de RAM e 4 GB de disco, indicado para teste e protótipo. Os planos de produção cobram por uso, e as opções Hybrid Cloud e Private Cloud têm preço sob consulta.

Quando vale a pena

Quem está ligando um assistente aos dados da casa e precisa filtrar por metadados junto com a busca tem aqui um caminho direto. O guia sobre como conectar IA aos dados da empresa mostra onde o banco vetorial entra. Para um pipeline de RAG pronto, com interface, veja o RAGFlow e o AnythingLLM.