curso-langchain/slides/pages/rag/16.md

layout

layout
default

Qdrant - Búsqueda con score

// Búsqueda con puntuación de similitud
const resultsWithScore = await vectorStore.similaritySearchWithScore(
  "embeddings y vectores",
  3
);

resultsWithScore.forEach(([doc, score], i) => {
  console.log(`${i + 1}. Score: ${score.toFixed(3)}`);
  console.log(`   ${doc.pageContent}`);
});

Salida ejemplo

1. Score: 0.892
   Los embeddings capturan el significado del texto
2. Score: 0.745
   RAG combina búsqueda con generación de texto
3. Score: 0.621
   LangChain es un framework para aplicaciones con LLMs