curso-langchain/slides/pages/rag/19.md

layout

layout
default

Paso 2: Indexar en Qdrant

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

const embeddings = new OpenAIEmbeddings();

// Crear colección e insertar chunks con sus embeddings
const vectorStore = await QdrantVectorStore.fromDocuments(
  chunks,
  embeddings,
  {
    url: "http://localhost:6333",
    collectionName: "manuales",
  }
);

console.log(`✅ ${chunks.length} chunks indexados en Qdrant`);

fromDocuments hace todo: genera embeddings + crea la colección + inserta los vectores