> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-docs-zh.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Qdrant 集成

> 使用 LangChain Python 与 Qdrant 集成。

> [Qdrant](https://qdrant.tech/documentation/)（读作 quadrant）是一个向量相似度搜索引擎。
> 它提供生产就绪的服务和便捷的 API，用于存储、搜索和管理
> 点（point）——即带有附加载荷的向量。`Qdrant` 专为扩展的过滤支持而设计。

## 安装与设置

安装 Python 配套包：

```bash pip theme={null}
pip install langchain-qdrant
```

```bash uv theme={null}
uv add langchain-qdrant
```

## 嵌入模型

### FastEmbedSparse

```python theme={null}
from langchain_qdrant import FastEmbedSparse
```

### SparseEmbeddings

```python theme={null}
from langchain_qdrant import SparseEmbeddings
```

## 向量存储

存在一个围绕 `Qdrant` 索引的包装器，允许你将其用作向量存储，无论是用于语义搜索还是示例选择。

要导入此向量存储：

```python theme={null}
from langchain_qdrant import QdrantVectorStore
```

关于 Qdrant 包装器的更详细教程，请参阅 [此笔记本](https://langchain-docs-zh.mintlify.site/langchain/oss/python/integrations/vectorstores/qdrant.md)

***

> 官方原文：[src/oss/python/integrations/providers/qdrant.mdx](https://github.com/langchain-ai/docs/blob/main/src/oss/python/integrations/providers/qdrant.mdx) · 非官方翻译，译文由 AI 生成，以英文原文为准。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.