Qdrant: ошибка размерности вектора — что проверить

Как увидеть несовпадение на безопасном примере?

1. Сначала убедитесь, что имя учебной коллекции ещё не занято: curl -sS -i 'http://127.0.0.1:6333/collections/demo_dim_20261020'. Для отсутствующей коллекции ожидайте HTTP 404. Если ответ 200 — остановитесь; не записывайте туда ничего. Выберите другое уникальное имя и одинаково замените его во всех следующих командах. На сервере с API-ключом понадобится предусмотренная им авторизация; не отключайте защиту ради опыта. s3
2. Создайте только новую коллекцию с размерностью 3: curl -sS -X PUT 'http://127.0.0.1:6333/collections/demo_dim_20261020' -H 'Content-Type: application/json' -d '{"vectors":{"size":3,"distance":"Cosine"}}'. Ожидайте status: ok и result: true; при ошибке не переходите к записи. Число 3 годится только для искусственных координат, не для векторов настоящей текстовой модели. s2
3. Прочитайте её настройки: curl -sS 'http://127.0.0.1:6333/collections/demo_dim_20261020'. В ответе проверьте result.config.params.vectors.size: здесь должно быть 3. Если работаете с именованными векторами, сначала выберите точное имя, затем смотрите size именно под ним — нельзя сравнивать с соседним полем. s1 s3
4. Отправьте заведомо неподходящий двухэлементный вектор: curl -sS -i -X PUT 'http://127.0.0.1:6333/collections/demo_dim_20261020/points?wait=true' -H 'Content-Type: application/json' -d '{"points":[{"id":1,"vector":[0.1,0.2]}]}'. Ожидайте отказ сервера: длина массива 2 не равна настроенной 3. Точный текст ошибки и код ответа сверяйте на своей версии, мы не воспроизводили их на живом сервере. Если запись неожиданно принята, остановитесь и выясните причину, не применяйте пример к рабочим данным. s1 s4
5. Теперь отправьте трёхэлементный искусственный вектор в ту же учебную коллекцию: curl -sS -X PUT 'http://127.0.0.1:6333/collections/demo_dim_20261020/points?wait=true' -H 'Content-Type: application/json' -d '{"points":[{"id":1,"vector":[0.1,0.2,0.3]}]}'. Ожидайте подтверждение операции, затем прочитайте ID 1: curl -sS 'http://127.0.0.1:6333/collections/demo_dim_20261020/points/1'. Сверьте result.id и наличие вектора; при хранении с метрикой Cosine числа могут быть нормализованы, поэтому не требуйте побуквенного совпадения координат. Этот опыт проверяет форму запроса, а не качество поиска текста. s1 s4 s5

Как исправить свою запись, не повредив рабочую коллекцию?

Прочитайте конфигурацию своей коллекции таким же запросом на чтение, но с её настоящим именем; сначала измерьте длину реального выходного массива приложения и варианта embedding-модели — модели, превращающей текст в числа для поиска. Сравните её с size для нужного имени вектора, затем проверьте, что запросы к поиску кодируются совместимым образом. Например, авторская карточка Qwen3-Embedding-0.6B указывает максимум 1024, но модель поддерживает уменьшенную размерность: название модели само по себе не доказывает длину именно вашего ответа. s1 s3 s6

Если числа не совпали, исправляйте конфигурацию генерации или готовьте новую отдельную коллекцию под фактическую размерность и переиндексируйте документы совместимой моделью. Не обрезайте и не дополняйте массив нулями «для прохода проверки»: это не подтверждает, что поиск сохраняет смысл. Не удаляйте и не пересоздавайте действующую коллекцию по этой инструкции. Размер скачанных весов не даёт минимальную RAM/VRAM для запуска модели; память и качество поиска здесь редакцией не измерялись. s1 s6

Если после совпадения чисел поиск по-прежнему плох, это уже другая проверка: размерность удостоверяет форму данных, но не правильность модели, текста или метрики. Следующий шаг — сверить конкретный вариант embedding-модели и проверить результат на собственных вопросах и документах. s1 s6