By submitting, you consent to our use of your data. Privacy Policy.
Kategorie
Geschäftsführung
Erstellt von
Beam.ai
Indizieren Sie Vektoreinbettungen in Qdrant, lesen Sie jeden gespeicherten Punkt aus und geben Sie die am nächsten liegenden Treffer zurück, während Sie die semantische Suche und Empfehlungsabfragen automatisieren.
Vektor-Ähnlichkeitssuche
Qdrant speichert Embeddings als Punkte und gibt die dem Abfragevektor am nächsten liegenden Punkte zurück. Ein Beam-Agent nutzt dies für Suchanfragen, die Ihr Workflow benötigt. Bei einem eingehenden Element berechnet oder empfängt der Agent dessen Embedding, fragt Qdrant nach den am nächsten übereinstimmenden Treffern unterhalb Ihres Score-Schwellenwerts ab und liest die mit jedem Treffer verknüpften Payloads aus. Das ausgewählte Ergebnis wird in den Datensatz zurückgeschrieben, der die Anfrage gestellt hat – beispielsweise eine vorgeschlagene Antwort oder ein ähnlicher Fall. Abfragen, die kein Ergebnis über dem Schwellenwert liefern, oder zu knappe Übereinstimmungen, werden an eine Person übergeben, anstatt eine unsichere Vermutung anzustellen.
Embedding-Upserts
Qdrant hält seinen Index nur dann auf dem neuesten Stand, wenn neue Vektoren mit dem Wachstum Ihrer Daten hinzugefügt werden, und ein Beam-Agent übernimmt diesen Importprozess. Wenn ein neues Dokument oder ein neuer Datensatz erscheint, liest der Agent dessen Inhalt, generiert oder sammelt das Embedding und schreibt den Punkt in die richtige Qdrant-Collection mit den von Ihrem Schema definierten Metadaten. Bestehende Elemente werden direkt aktualisiert, sodass sich keine Duplikate ansammeln. Ein Datensatz, den der Agent nicht sauber einbetten kann, oder einer, bei dem ein für Ihre Payload erforderliches Feld fehlt, wird für eine manuelle Überprüfung beiseitegelegt, anstatt in einem fehlerhaften Zustand indexiert zu werden.
Payload-Filterregeln
Qdrant verknüpft jeden Vektor mit einer Metadaten-Payload, sodass Suchen nach realen Attributen gefiltert werden können. Ein Beam-Agent wendet diese Filter pro Anfrage an. Der Agent liest den Kontext einer Abfrage, erstellt den von Ihrer Regel spezifizierten Filter (wie Mandant, Datumsbereich oder Status) und fragt Qdrant nach Treffern ab, die sowohl die Ähnlichkeit als auch den Filter erfüllen. Bereinigte Ergebnisse fließen an den Aufrufer zurück. Eine Anfrage, deren Filter ein leeres oder verdächtig großes Ergebnis liefern würde oder die sich auf ein Feld bezieht, das nicht in der Payload enthalten ist, wird angehalten und an eine Person zur Überprüfung der Abfrage weitergeleitet.







