Java RAG 实战（第 7 篇）：使用 Qdrant 保存和检索向量

系列导航

• 所属专栏：《Java 开发者从零实现 RAG 知识库》
• 学习位置：第 7 篇 / 共 12 篇
• 上一篇：《第6篇：Markdown 知识库与 RAG》
• 下一篇：《第8篇：Spring Boot RAG 查询 API》

上一篇已经用内存检索跑通 RAG。本篇把 Chunk 向量预先保存到 Qdrant，并通过官方 Java SDK 完成 Top-K 搜索。

完成进度

• 1. 用 Docker 启动 Qdrant
• 2. 创建 1024 维 Cosine Collection
• 3. 理解 Point、Vector 和 payload
• 4. 把 Markdown Chunk 写入 Qdrant
• 5. 使用 Java SDK 完成 Top-K 查询
• 6. 验证相似度阈值会拦截无关资料

为什么要学

内存版每次运行都要重新读取所有 Chunk 并生成全部向量，知识量增加后会浪费时间和计算资源。Qdrant 可以持久化 Point，并使用专门的向量索引快速查找相似内容。

引入 Qdrant 后，查询阶段只需要向量化用户问题，再从数据库取回相关 Chunk。它负责保存和检索知识，最终答案仍由 qwen3 根据 Prompt 生成。

第 1 步：启动 Qdrant

第一次启动：

dockerrun-d\--nameqdrant-study\-p6333:6333\-p6334:6334\-vqdrant-study-data:/qdrant/storage\qdrant/qdrant:v1.19.0

以后容器停止后只需执行：

dockerstart qdrant-study

这里的两个端口用途不同：

• 6333：REST API，适合使用curl查看状态。
• 6334：gRPC，当前 Java 官方 SDK 通过它连接 Qdrant。

确认服务正常：

curl-shttp://localhost:6333/collections|jq

第 2 步：创建 Collection

bge-m3生成 1024 维向量，所以 Collection 的向量维度也必须是 1024：

curl-XPUT http://localhost:6333/collections/kubernetes_chunks\-H'Content-Type: application/json'\-d'{ "vectors": { "size": 1024, "distance": "Cosine" } }'

检查配置：

curl-shttp://localhost:6333/collections/kubernetes_chunks|jq'{ status: .result.status, points_count: .result.points_count, vector_size: .result.config.params.vectors.size, distance: .result.config.params.vectors.distance }'

第 3 步：理解 Point 和 payload

Qdrant 中的一条 Point 包含三部分：

Point ID：唯一编号，例如 2 Vector： bge-m3 生成的 1024 个数字 Payload： title、content、source 等原始资料

Vector 用来计算相似度，payload 用来把命中结果还原成人能阅读的知识。RAG 最终交给大模型的是 payload 中的正文，不是 1024 个数字。

本篇的固定示例使用简单数字 ID 方便观察。后面动态入库时，会改用documentId + chunkIndex生成稳定 UUID，避免更新文档时不断产生重复 Point。

第 4 步：把 Markdown 写入 Qdrant

在仓库根目录运行：

mvn-f04-qdrant-rag/pom.xml compile exec:java\-Dexec.args=--index

入库流程是：

1. MarkdownKnowledgeLoader按二级标题拆分文档。
2. OllamaEmbeddingClient用bge-m3生成 Chunk 向量。
3. QdrantPointMapper把向量、标题、正文和来源组成 Point。
4. QdrantIndexer通过官方 SDK 的 gRPC 接口执行 upsert。

检查 Point 数量：

curl-shttp://localhost:6333/collections/kubernetes_chunks|\jq'.result.points_count'

当前示例应输出4。

第 5 步：理解搜索代码

查询阶段不再读取并重新向量化全部 Markdown，只生成用户问题的一个向量：

QdrantVectorSearch.search(...) ↓ EmbeddingClient.embed(List.of(query)) ↓ QdrantSearchMapper.toRequest(...) ↓ QdrantClient.searchAsync(...) ↓ QdrantSearchMapper.toResult(...)

搜索请求中的关键参数：

• limit = 2：最多返回两个结果，也就是 Top-2。
• scoreThreshold = 0.60：低于 0.60 的结果不返回。
• withPayload = true：要求结果带回标题、正文和来源。

Qdrant 已经按相似度从高到低返回结果，Java 不需要再自己遍历所有向量计算余弦相似度。

对应源码：

04-qdrant-rag/src/main/java/com/example/ai/rag/QdrantVectorSearch.java 04-qdrant-rag/src/main/java/com/example/ai/rag/QdrantSearchMapper.java

查询方法的核心只有三步：

double[]queryEmbedding=embeddingClient.embed(List.of(query)).get(0);SearchPointsrequest=mapper.toRequest(collectionName,queryEmbedding,limit,minimumScore);List<ScoredPoint>points=searchOperation.search(request);returnpoints.stream().map(mapper::toResult).toList();

mapper.toRequest(...)会把教程中的三个检索要求真正写入 Qdrant SDK 请求：

returnSearchPoints.newBuilder().setCollectionName(collectionName).addAllVector(vector).setLimit(limit).setScoreThreshold((float)minimumScore).setWithPayload(WithPayloadSelector.newBuilder().setEnable(true).build()).build();

withPayload = true不能省略。如果只返回 Point ID 和分数，Java 就无法取回要放入 Prompt 的标题和正文。

第 6 步：运行 Qdrant 版完整 RAG

确认 Ollama 和 Qdrant 已启动，然后执行：

mvn-f04-qdrant-rag/pom.xml compile exec:java

知识库内问题的示例输出：

问题：Pod 重建后 IP 会变化，应该怎样提供稳定访问地址？ Qdrant 检索结果（最低相似度 0.60）： 1. Service，相似度 0.7388，Point ID 2 AI 回答： 可以通过 Service 为 Pod 提供稳定的集群内访问地址和负载均衡。

也可以传入自己的问题：

mvn-f04-qdrant-rag/pom.xml compile exec:java\-Dexec.args='密码、令牌和证书应该保存在哪里？'

第 7 步：观察阈值保护

查询知识库没有覆盖的内容：

mvn-f04-qdrant-rag/pom.xml compile exec:java\-Dexec.args='Ingress 应该怎样配置 TLS 证书？'

如果没有结果达到0.60，程序不会调用聊天模型，而是直接输出：

根据现有资料无法确定。

这可以减少无关上下文和不必要的模型调用，但阈值不是越高越好。过高会漏掉有用资料，过低会把无关资料交给模型，需要根据真实问题和知识库评估后调整。

第 8 步：运行 Qdrant 模块测试

mvn-f04-qdrant-rag/pom.xmltest

测试会隔离外部 Ollama 和 Qdrant，重点验证：

• double[]是否正确转换成 Qdrant 的 float 向量。
• Collection、Top-K、阈值和 payload 开关是否正确。
• Qdrant 返回值是否正确还原成 Chunk。
• 搜索过程是否只向量化用户问题。

常见问题

Connection refused: localhost:6334

Qdrant 没有启动，执行：

dockerstart qdrant-studydockerps--filtername=qdrant-study

Collection 不存在

先执行“第 2 步”创建kubernetes_chunks，然后再运行入库程序。

Collection 是空的

Collection 只定义了存储结构，还没有资料。使用“第 4 步”的--index模式完成入库。

向量维度错误

Embedding 模型与 Collection 配置不一致。当前bge-m3输出 1024 维，因此 Collection 的size必须是 1024。

成功标准

• kubernetes_chunks状态为green，并且有 4 个 Point。
• 03-markdown-rag能使用内存检索完成一次 RAG 回答。
• 默认问题能检索到Service。
• 知识库外问题不会调用qwen3:14b。
• mvn -f 04-qdrant-rag/pom.xml test全部通过。

下一步

下一阶段可以把命令行程序改造成 Spring Boot HTTP 服务，让浏览器或其他应用通过接口提交问题并获得 RAG 回答。

本篇自测

1. Qdrant Point 中的 Vector 和 payload 分别有什么用？
2. 查询时为什么只需要向量化用户问题？
3. Top-K 和相似度阈值有什么区别？
4. Java SDK 为什么连接 6334，而curl通常访问 6333？

参考答案：Vector 用于相似度计算，payload 用于还原正文；知识向量已经在入库时保存；Top-K 限制最多返回数，阈值排除低分结果；6334 是 gRPC，6333 是 REST。

本篇小结

1. Qdrant 预先保存 Chunk 向量，查询时无需重新向量化全部知识。
2. Collection 维度必须和 Embedding 模型一致，bge-m3对应 1024 维。
3. 一条 Point 由 ID、Vector 和 payload 构成，Java 通过官方 SDK 执行写入和搜索。
4. Top-K 与最低相似度共同控制进入 Prompt 的资料数量和质量。

下一篇

👉 本专栏下一篇：《第8篇：Spring Boot RAG 查询 API》

完整代码都在 GitHub（欢迎 Star ⭐）

本专栏的全部示例代码都已开源，包含 5 个可独立运行的 Maven 模块、自动化测试和完整分篇教程。建议Fork / Clone下来，边读边跑：

🔗 https://github.com/bysbsh/ai-rag-learning-guide

• 代码与教程同步更新，对照每一篇动手实践效果最好。
• 如果这份教程帮到了你，点个Star就是对我最大的支持，也方便你之后找回最新版本。
• 遇到问题或发现错漏，欢迎在仓库提 Issue / PR。项目采用 MIT 协议，可自由学习与二次创作。