向量数据库Apache-2.0★ 33.3k近期已核验当前可评估
Qdrant
通用 · 高性能向量检索
高性能开源向量数据库（Rust 编写），RAG 检索底座。
官方仓库直接开放，不需要填写联系方式；本站不代理或镜像第三方代码。
🌐本站只提供经核对的 GitHub 官方仓库链接。不代理、不镜像、不保存第三方代码；完整代码、Issue、Release 与最新状态请以官方仓库为准。
⚖️请遵守本项目当前版本的许可证以及所在国家/地区的法律法规；代码、模型、数据、素材和商标可能适用不同许可，使用者需自行完成最终合规复核。
上游校验快照
上游版本v1.18.3
最近推送2026-07-29
许可证快照Apache-2.0
官方源核验时间2026-07-30
已核对 GitHub 官方仓库地址、最近推送时间与许可证标识；版本取校验时官方 Releases 最新条目。
这是选型参考快照，不是实时监控结果。部署、升级或再分发前，请在官方仓库重新核对 Release/Tag、LICENSE、NOTICE、依赖及模型或素材授权。近期已核验距上次官方源核验 33 天。
人工复核重点
快照刷新时必须逐项检查；发现仓库归档、迁移或许可证变化，应先暂停推荐并完成人工判断。
归档或停用状态快照：校验时未归档
查看 GitHub 仓库是否出现 Archived、Disabled 或只读提示；如状态变化，暂停推荐并重新评估替代方案。
仓库迁移与所有者变化快照：https://github.com/qdrant/qdrant
确认访问后 owner/repo 与快照一致；如 GitHub 重定向到新地址，同步更新目录与官方链接并保留迁移说明。
许可证变化快照：Apache-2.0
核对当前 LICENSE、NOTICE 与 GitHub SPDX 标识；如许可证变化，先重新完成商用风险审查，再更新页面快照。
项目说明
Qdrant 是用 Rust 编写的高性能向量数据库，支持过滤检索与大规模向量存储，是 RAG 与语义搜索的常用底座。适用于需要自建向量检索的企业级 AI 应用。
适用行业
互联网软件制造金融零售电商科研
企业为什么会考虑它
常见业务痛点
- 语义检索数据量增长后性能不稳定
- 索引、过滤和数据更新策略难选
- 数据库选型容易脱离真实规模
可解决的问题
- 支撑知识库、语义搜索和相似推荐
- 按业务条件组合向量与结构化过滤
- 为检索性能和容量扩展提供底座
核心能力
- 高性能向量检索
- 过滤条件检索
- Rust 编写、低延迟
- 可水平扩展
典型应用场景
RAG 检索底座语义搜索推荐与相似匹配
部署与持续运营要求
部署难度：较高
需要根据数据量、更新频率、过滤条件和高可用要求选型；大规模场景涉及集群运维。
技术门槛
- Embedding 与索引基础知识
- 容量、延迟和召回率压测
- 备份、迁移和高可用设计
运营要求
- 监控索引增长与查询延迟
- 管理向量模型和数据版本
- 定期验证备份恢复与召回质量
许可证与商用风险
常规复核
基础代码通常允许使用、修改和商业部署；需保留许可证与适用的 NOTICE/变更说明，并另行核对依赖、模型权重、数据、素材和商标。
本页是选型提示，不构成法律意见；请以使用版本的 LICENSE、NOTICE、模型卡及素材授权文件为准。优秘实践建议
用真实数据量和查询条件压测后再选型；小规模验证阶段优先简单方案，避免过早引入分布式复杂度。
快速上手
- 前往 GitHub 官方仓库，按官方说明选择 Release、Tag 或默认分支。
- 阅读仓库内
README与LICENSE，按官方文档准备运行环境与依赖。 - 如需模型权重或大体积资源，请按官方说明从原始渠道获取，并分别核对许可。
- 需要落地到业务、私有化部署或定制开发，可预约优秘智能技术对接。
需要把它接入真实业务？
如果你需要选型复核、部署评估、国产模型适配或系统集成，可自愿预约技术对接；获取开源代码不受影响。
咨询是独立可选动作，不影响访问 GitHub 官方仓库。
优秘智能