Qdrant: найти похожие точки по ID сохранённой записи

Когда искать по ID, а не читать запись?

Допустим, у вас в базе есть фрагмент документа с ID 1, и вы хотите найти похожие фрагменты. Точка — сохранённая запись; её вектор — набор чисел для сравнения. Qdrant Query API принимает существующий ID в поле query и использует сохранённый вектор для поиска: повторно превращать данные в вектор для этого запроса не нужно. Это не то же самое, что прочитать одну точку по ID: там результатом будет сама запись, здесь — список похожих точек с оценками. s1 s2 s5

Как выполнить учебный запрос?

Сначала подготовьте локальный Qdrant. Убедитесь, что имя demo_by_id_20261019 свободно: команды создадут коллекцию и запишут три точки. Не запускайте их в рабочей коллекции. Все три вектора искусственные, размерность 2 выбрана только для опыта; это не векторы текстовой AI-модели и не её требования к компьютеру. Если меняете имя коллекции, замените его в каждой команде. s3 s4

1. Создайте коллекцию с мерой близости Cosine: curl -fsS -X PUT 'http://127.0.0.1:6333/collections/demo_by_id_20261019' -H 'Content-Type: application/json' -d '{"vectors":{"size":2,"distance":"Cosine"}}'. Ожидаются status: ok и result: true; если имя занято, остановитесь, а не меняйте данные существующей коллекции. s3
2. Запишите точки: curl -fsS -X PUT 'http://127.0.0.1:6333/collections/demo_by_id_20261019/points?wait=true' -H 'Content-Type: application/json' -d '{"points":[{"id":1,"vector":[1,0],"payload":{"label":"образец"}},{"id":2,"vector":[0.8,0.6],"payload":{"label":"похожа"}},{"id":3,"vector":[0,1],"payload":{"label":"другая"}}]}'. Ожидаются status: ok и result.status: completed. Повторная запись того же ID может изменить прежнюю точку, поэтому здесь нужна новая учебная коллекция. s4
3. Найдите соседей точки 1: curl -fsS -X POST 'http://127.0.0.1:6333/collections/demo_by_id_20261019/points/query' -H 'Content-Type: application/json' -d '{"query":1,"limit":3,"with_payload":true,"params":{"exact":true}}'. В result.points ищите ID, score и payload.label: у искусственных векторов точка 2 ближе к образцу 1, чем точка 3. Образец 1 также может встретиться в выдаче — запрос не является командой «исключить себя». exact: true отключает приближённый поиск для этого маленького теста; на больших коллекциях он может быть медленным. Это ожидаемое свойство учебных векторов, не измеренный редакцией ответ Qdrant. s1 s2

Если ответ пуст или порядок удивил

Проверьте, что первые две команды вернули успешный статус и в query указан числовой ID 1 существующей точки, а не текст метки. Коллекция должна содержать вектор образца; для нескольких именованных векторов необходимо отдельно задать using с нужным именем. Если получить список не удаётся, сначала прочитайте запись по ID. Не переносите учебные оценки похожести на реальные тексты: там векторы создаёт выбранная вами модель, а полезность соседей проверяют по исходным документам. Параметр with_payload: true добавляет метки к найденным точкам; сам поиск не проверяет права доступа к документам. s2