🔷
Qdrant
向量数据库 数据库与存储安装命令
npx clawhub@latest install qdrant
安装说明
1
确认环境
确保已安装 Node.js 22+ 和 OpenClaw。在终端运行 openclaw --version 确认 OpenClaw 正常工作。
2
执行安装
在终端中运行上方安装命令，ClawHub 会自动下载并安装 Qdrant 到 ~/.openclaw/skills/ 目录。
3
验证安装
运行 openclaw skills list 查看已安装技能列表，确认 Qdrant 已出现在列表中。
4
配置参数（可选）
根据下方介绍中的配置说明，在 ~/.config/openclaw/openclaw.json5 中添加技能的配置项。
手动安装方式：将 Skill 文件夹复制到
~/.openclaw/skills/ 或项目目录下的 skills/ 文件夹，确保文件夹中包含 SKILL.md 文件。
向量相似度搜索
集合创建与索引管理
Payload过滤与混合搜索
详细介绍
Qdrant MCP 服务器提供对 Qdrant 向量数据库的完整管理能力，支持创建集合、插入向量、语义搜索等操作，是构建 RAG 和推荐系统的理想选择。
核心功能
- 集合管理：创建、删除和配置向量集合，设置向量维度、距离度量（余弦/欧氏/点积）和 HNSW 索引参数
- 向量操作（upsert_points）：插入或更新向量点，支持附加 Payload 元数据
- 语义搜索（search_points）：基于向量相似度搜索最近邻结果，支持 Payload 过滤条件
- 混合搜索：结合向量相似度和 Payload 过滤实现精准搜索
- 滚动浏览（scroll_points）：分页浏览集合中的所有点
配置说明
{
"mcpServers": {
"qdrant": {
"command": "npx",
"args": ["-y", "@qdrant/mcp-server"],
"env": {
"QDRANT_URL": "http://localhost:6333",
"QDRANT_API_KEY": "your-api-key" // 云版本需要
}
}
}
}
使用场景
- RAG 知识库：存储文档 Embedding，实现语义检索增强生成
- 相似搜索：产品推荐、图片搜索、文档去重
- 聊天记忆：存储对话历史向量实现长期记忆
- 异常检测：通过向量距离识别异常数据点