# qdrant-skills

Набор скиллов помогает агенту принимать решения по векторному поиску Qdrant: от масштабирования и качества выдачи до миграции моделей.

- плагин · `type=plugin` · Claude Code · ★ 264
- Автор: Qdrant
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/qdrant/skills
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/plugins/qdrant-skills

## Что делает

Плагин добавляет скиллы для работы с Qdrant и векторным поиском. Они покрывают настройку SDK для Python, TypeScript, Rust, Go, .NET и Java, выбор размера кластера, масштабирование, производительность, качество поиска, мониторинг и мультиарендность.

Отдельные скиллы разбирают варианты развёртывания, Managed Cloud и Hybrid Cloud, embedded shard, перенос данных через Qdrant Migration Tool, смену embedding-модели без простоя и обновление версии. Агент получает справочную навигацию и короткие фрагменты там, где они нужны для решения задачи.

Для режима Qdrant Advisor нужен доступ к `skills.qdrant.tech`: он загружает актуальные рекомендации во время сессии. В веб-приложении Claude.ai Advisor сам этот адрес не запрашивает, поэтому его нужно добавить в промпт.

## Установка

### Claude Code (родная платформа)

**Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin install qdrant-skills@claude-plugins-official
```
В чате агента (не в терминале):
```text
/plugin marketplace add anthropics/claude-plugins-community
```
В чате агента (не в терминале):
```text
/plugin install qdrant-skills@claude-community
```
В чате агента (не в терминале):
```text
/plugin marketplace add anthropics/claude-plugins-official
```

## Когда брать
- выбрать схему масштабирования Qdrant для объёма данных и нагрузки
- найти причину нерелевантных результатов поиска
- настроить SDK Qdrant для нужного языка
- перенести данные из другой векторной базы
- сменить embedding-модель без простоя

## Примеры запросов агенту
- Разбери, почему поиск в Qdrant возвращает нерелевантные результаты, и предложи порядок диагностики.
- У меня 50M векторов на одной ноде, а поиск медленный. Сравни вертикальное и горизонтальное масштабирование.
- Как перейти с OpenAI embeddings на Cohere без простоя и с dual vectors?

## Похожие
- [qdrant-vector-search](https://affpapa.org/nevibecode/skills/qdrant-vector-search.md) — скилл · 969 установок
- [qdrant-performance-optimization](https://affpapa.org/nevibecode/skills/qdrant-performance-optimization.md) — скилл · 61 установка
- [qdrant-search-quality](https://affpapa.org/nevibecode/skills/qdrant-search-quality.md) — скилл · 61 установка
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 4700 установок
- [grepai-storage-qdrant](https://affpapa.org/nevibecode/skills/grepai-storage-qdrant.md) — скилл · 562 установки
- [qdrant](https://affpapa.org/nevibecode/skills/qdrant.md) — скилл · 3700 установок

Из того же набора: [qdrant/skills](https://affpapa.org/nevibecode/by/qdrant/skills.md) — 7 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md