curso-langchain/slides/pages/rag/15.md

layout

layout
default

Qdrant - Búsqueda

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

// Conectar a colección existente
const vectorStore = await QdrantVectorStore.fromExistingCollection(
  new OpenAIEmbeddings(),
  {
    url: "http://localhost:6333",
    collectionName: "langchain_docs",
  }
);

// Búsqueda por similitud
const results = await vectorStore.similaritySearch(
  "¿Qué es RAG?",
  3 // top 3 resultados
);

results.forEach((doc, i) => {
  console.log(`${i + 1}. ${doc.pageContent}`);
  console.log(`   Metadata:`, doc.metadata);
});