Qdrant 是开源向量数据库，官方给 Claude Code 出了一套技能包：14 个技能、33 个技能文件，教 Claude 怎么给向量搜索做容量估算、搭库、查错。AI Parabellum 11 月 11 日在 Claude Code v2.1.319 上实测，插件版本 1.0.0（qdrant/skills，commit 1d01072），仓库 269 星、Apache-2.0 协议，全程没要账号、没起服务器，用的是本地模式。
实测分四步：先问容量——500 万条 768 维工单向量，不压缩约 16.5GB 内存、22GB 磁盘，int8 量化后内存压到约 5GB；再让 Claude 写了 54 行 search.py，用 qdrant-client 本地模式搭了个工单搜索；查到一半结果不对——问“billed twice”，排第一的却是无关工单，qdrant-search-quality 技能直接定位到原因：哈希 embedding 认不出同义词、256 槽位有碰撞、常用词权重过高，并给出两个修复方向：换真实语义模型（比如 fastembed）、加混合搜索（稠密向量 + BM25）。
提醒三点：技能只是指导，不替你跑；本地模式的数据格式与服务器不通用，别当生产用；容量数字是估算，正式上之前要用官方容量计算器再算一遍。正在搭向量搜索或 RAG 的开发者值得一试，相关插件横评可看站内这篇 AI 与机器学习插件一次讲清，技能包的横向对比可看两个技能大礼包同题实测。
来源：AI Parabellum，原文
没有回复内容