# qdrant-vector-search

Скилл помогает агенту проектировать поиск по векторам в Qdrant для RAG и семантического поиска. Пригодится для фильтрации по метаданным и масштабирования.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 969 установок · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/15-rag/qdrant/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/qdrant-vector-search

## Что делает

qdrant-vector-search ориентирует агента по работе с Qdrant: созданию коллекций, загрузке точек с векторами и payload, поиску ближайших соседей и фильтрации по полям. Скилл охватывает dense и sparse-векторы, несколько векторов на одну запись, метрики COSINE, EUCLID, DOT и MANHATTAN, а также пакетный поиск.

В материалах разобраны HNSW, квантизация, шардинг, репликация и REST с gRPC. Для Python нужен `qdrant-client>=1.12.0`; локальный сервер можно запустить через Docker на портах `6333` и `6334`, в том числе с постоянным хранилищем. Без клиента Python примеры из скилла не запустятся.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant-vector-search -a claude-code
```
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/qdrant/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/qdrant/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/qdrant/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/qdrant/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs qdrant
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/qdrant/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 15-rag/qdrant
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/qdrant/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill qdrant -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/15-rag/qdrant/SKILL.md

## Когда брать
- настроить коллекцию для векторного поиска
- загрузить точки с векторами и метаданными
- отфильтровать результаты по payload
- собрать поиск ближайших соседей для RAG
- запустить Qdrant локально через Docker

## Примеры запросов агенту
- Используй скилл `qdrant-vector-search` и добавь в проект поиск документов через Qdrant с фильтрацией по `category`.
- По скиллу `qdrant-vector-search` создай коллекцию `documents`, настрой HNSW и добавь пакетную загрузку точек.
- Примени `qdrant-vector-search`, чтобы подключить Python-клиент к Qdrant на `localhost:6333` и выполнить поиск по векторам.

## Похожие
- [qdrant-search-quality](https://affpapa.org/nevibecode/skills/qdrant-qdrant-search-quality.md) — скилл · 1800 установок
- [AgentDB Vector Search](https://affpapa.org/nevibecode/skills/agentdb-vector-search.md) — скилл · 1100 установок
- [similarity-search-patterns](https://affpapa.org/nevibecode/skills/similarity-search-patterns.md) — скилл · 10700 установок
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 4700 установок
- [upstash-vector-js](https://affpapa.org/nevibecode/skills/upstash-vector-js.md) — скилл · 1300 установок
- [vector-database-management](https://affpapa.org/nevibecode/skills/vector-database-management.md) — скилл · 459 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 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