.NET 使用 Qdrant.Client 连接向量数据库 Qdrant 的完整指南

随着向量数据库在 AI、搜索、推荐系统等领域的广泛应用，越来越多的开发者开始将 Qdrant 集成到自己的项目中。对于 .NET 开发者而言，使用 Qdrant.Client 实现与 Qdrant 的高效连接和数据操作，是构建语义搜索和嵌入式检索系统的关键步骤。本文将为你介绍如何在 .NET 中使用 Qdrant.Client 连接并操作 Qdrant 向量数据库。

什么是 Qdrant？

Qdrant 是一个开源的、专为高性能向量搜索设计的向量数据库，支持基于向量的最近邻搜索（ANN），并提供 REST 和 gRPC 接口，适用于文本、图像、音频等多种嵌入向量数据的检索。

其主要特性包括：

高性能向量索引（如 HNSW） 支持过滤条件的向量检索 多种客户端语言支持 向量数据持久化存储

Qdrant.Client 是什么？

Qdrant.Client 是一个为 .NET 平台开发的 Qdrant 客户端库，支持通过 gRPC 或 REST 与 Qdrant 实例交互，实现创建集合、插入向量、查询向量等功能。它为 C# 和 F# 开发者提供了一个简单易用的 SDK。

GitHub 项目地址：https://github.com/qdrant/qdrant-dotnet

NuGet 安装命令：

dotnet add package Qdrant.Client

如何在 .NET 中使用 Qdrant.Client 连接 Qdrant

1. 安装 Qdrant 实例（本地或云端）

你可以使用 Docker 快速启动一个 Qdrant 服务：

docker run -p 6333:6333 qdrant/qdrant

2. 初始化客户端

以下是一个基本的客户端初始化示例（使用 REST）：

using Qdrant.Client;
using Qdrant.Client.Grpc;

var client = new QdrantGrpcClient("localhost", 6334);

如果你使用的是 REST 接口，也可以使用 QdrantRestClient：

var client = new QdrantRestClient("http://localhost:6333");

3. 创建集合

await client.CreateCollectionAsync("my-collection", vectorSize: 128);

4. 插入向量数据

var points = new List<PointStruct>
{
    new PointStruct(id: 1, vector: new[] {0.1f, 0.2f, 0.3f}, payload: null),
    new PointStruct(id: 2, vector: new[] {0.4f, 0.5f, 0.6f}, payload: null)
};

await client.UpsertAsync("my-collection", points);

5. 查询向量

var searchResult = await client.SearchAsync(
    "my-collection",
    vector: new[] {0.1f, 0.2f, 0.3f},
    top: 5
);

Qdrant 使用场景

语义搜索引擎：基于文本向量实现更智能的搜索功能 推荐系统：通过向量计算相似度实现个性化推荐 图像检索：用向量表达图片特征并快速搜索相似图像 聊天机器人嵌入管理：存储和检索大语言模型的上下文嵌入

注意事项

Qdrant 支持嵌入 Payload（例如类别、标签），可实现带过滤条件的向量搜索 可与 OpenAI、Sentence Transformers 等嵌入模型搭配使用 推荐使用 gRPC 接口以获得更高性能的吞吐率

借助 Qdrant.Client，.NET 开发者可以轻松接入 Qdrant 向量数据库，构建高效、智能的向量检索系统。无论是搜索、推荐还是 AI 应用，Qdrant 都是一个强大的工具，而 Qdrant.Client 为其在 .NET 生态中的落地提供了便捷通道。