Qdrant Vector Search — High-performance vector similarity search engine for RAG and semantic search
Qdrant Vector Search — High-performance vector similarity search engine for RAG and semantic search
Finding
Qdrant er relevant, fordi Lisa’s Hermes+n8n+LangGraph-system på sigt får brug for en robust vektordatabase til RAG, semantisk søgning og filtreret videnshentning.
What it is
Qdrant er en produktionsklar vector search engine til embeddings, similarity search og RAG. Den kan gemme dokumentvektorer med metadata, søge hurtigt med HNSW-indekser og filtrere resultater på payload-felter som kilde, kategori, status eller timestamp. Siden beskriver også hybrid search, multi-vector opslag, quantization, payload indexing og deployment via lokal Docker eller Qdrant Cloud.
Should we use it?
Use later. Qdrant passer godt til missionen, men først når Lisa har et konkret behov for en større, delt vidensbase på tværs af Hermes, n8n og LangGraph. Lige nu bør Hermes’ native memory, skills, session search og wiki-flow ikke erstattes af en ekstern vector DB uden klar retrieval-arkitektur. Når RAG bliver et egentligt produktionslag, er Qdrant et stærkt valg frem for ad hoc fil-søgning eller hjemmelavet embeddings-lager.
Recommendation
Brug Qdrant som standardkandidat til et fremtidigt “shared retrieval layer”, men installer ikke skillen endnu før der findes en konkret RAG-collection, datakilde, embedding-model, metadata-skema og governance-regel for hvad der må indekseres.
Use now
- Når Hermes Agent Info eller Lisa’s research-wiki skal have semantisk søgning over mange offentlige, reviewede dokumenter.
- Når LangGraph-agenter skal hente kontekst fra en fælles, filtrerbar knowledge base uden at overtage Hermes’ native memory.
- Når n8n-flows skal trigge ingestion af godkendte dokumenter, mens Hermes stadig ejer review, governance og beslutningslogik.
- Når søgning kræver metadatafiltre, fx public/private, kilde, dato, kategori, workflow-type eller review-status.
Do not use / wait
- Vent hvis behovet kun er små noter, skills, session recall eller almindelig filbaseret research.
- Brug ikke Qdrant som erstatning for Honcho-memory, Hermes skills eller den manuelle wiki-governance.
- Brug ikke Qdrant til secrets, private logs, rå chats, credentials eller ikke-reviewet intern driftstekst.
- Undgå installation i Hermes-containeren som “bare fordi”-infrastruktur; den bør have separat drift, backup og adgangsmodel.
Public page note
Qdrant er en stærk fremtidig kandidat til produktions-RAG i Hermes Agent OS, men bør kun bruges til reviewede, public-safe eller klart klassificerede dokumenter med tydelig metadata-governance.