curso-langchain/slides/pages/rag/14.md

layout

layout
default

Qdrant - Crear e insertar

import { QdrantVectorStore } from "@langchain/qdrant";
import { OpenAIEmbeddings } from "@langchain/openai";

const vectorStore = await QdrantVectorStore.fromTexts(
  [
    "LangChain es un framework para aplicaciones con LLMs",
    "Los embeddings capturan el significado del texto",
    "RAG combina búsqueda con generación de texto",
  ],
  [{ source: "doc1" }, { source: "doc2" }, { source: "doc3" }],
  new OpenAIEmbeddings(),
  {
    url: "http://localhost:6333",
    collectionName: "langchain_docs",
  }
);

console.log("Documentos indexados correctamente");