Qdrant客户端v1.14.1版本发布:本地推理与搜索增强
Qdrant是一个高性能向量搜索引擎,其Python客户端库提供了与Qdrant向量数据库交互的便捷接口。最新发布的v1.14.1版本带来了一系列重要改进,特别是在本地推理支持和搜索功能增强方面。
核心特性解析
原生本地推理支持
本次更新最显著的改进是通过与Fastembed的无缝集成,为QdrantClient的所有方法提供了原生推理支持。这意味着开发者现在可以直接在客户端进行向量化操作,而无需依赖外部服务。具体体现在:
- 废弃了原有的
add和query方法,推荐使用新的本地推理方式 - 支持在客户端直接处理文本到向量的转换,简化了应用架构
- 提高了开发效率,特别是在原型开发和小规模应用场景中
搜索功能增强
v1.14.1版本对搜索相关功能进行了多项改进:
-
服务器端分数增强:新增了对搜索结果进行服务器端分数调整的能力,使开发者可以更灵活地控制排序逻辑。
-
新增推荐策略:引入了
sum_score推荐策略,为推荐系统提供了更多算法选择。 -
地理多边形支持修复:解决了之前版本中地理多边形查询可能存在的问题,使地理位置相关搜索更加可靠。
架构优化与兼容性改进
依赖项精简
- 移除了grpcio-tools依赖,现在仅需要protobuf
- 优化了依赖管理,减少了不必要的包引入
类型提示增强
对类型提示系统进行了全面改进,提供了更准确的代码提示和静态检查支持,有助于:
- 提高开发效率
- 减少运行时错误
- 改善IDE支持
严格模式扩展
扩展了严格模式设置选项,为开发者提供了更细粒度的控制能力,可以根据项目需求调整严格性级别。
重要修复与行为变更
-
删除操作优化:现在尝试删除不存在的点不会抛出错误(本地模式下),使错误处理更加友好。
-
条件查询简化:在本地模式下,现在允许直接传递单个条件而不需要包装成列表,简化了查询构造。
-
请求限制处理:改进了对"太多请求"异常的处理,提高了高负载情况下的稳定性。
-
偏移量传播修正:偏移量不再传播到预取操作中,解决了某些边界情况下的行为不一致问题。
向后兼容性说明
-
Pydantic版本支持变更:不再支持Pydantic 2.0到2.2.1之间的版本,现在支持的版本为v1.10.x和>=2.21。
-
API弃用:原有的
add和query方法已被标记为弃用,建议开发者迁移到新的本地推理API。
实际应用建议
对于正在使用或考虑采用Qdrant的开发者,建议:
-
评估本地推理功能:对于中小规模应用或需要快速原型开发的项目,新的本地推理支持可以显著简化架构。
-
测试新的推荐策略:
sum_score策略可能在某些推荐场景下表现更好,值得进行对比测试。 -
规划迁移路径:如果使用了将被弃用的API,应制定迁移计划以避免未来兼容性问题。
-
利用类型提示改进:更新代码以充分利用增强的类型提示,提高代码质量和可维护性。
这个版本标志着Qdrant客户端在易用性和功能性上的重要进步,特别是本地推理支持的引入,为开发者提供了更大的灵活性和更简单的开发体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C061
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00