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

35 lines
685 B
Markdown

---
layout: default
---
# Paso 2: Indexar en Qdrant
```typescript
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`);
```
<v-click>
<div class="mt-4 p-3 bg-green-500/10 rounded text-sm">
`fromDocuments` hace todo: genera embeddings + crea la colección + inserta los vectores
</div>
</v-click>