From 9a6aa282dedcfb1d7ae7963c9be7312f422cbb9b Mon Sep 17 00:00:00 2001 From: PTah Date: Tue, 21 Apr 2026 17:44:19 +1000 Subject: [PATCH] docs: explain Qdrant purpose in quickstart step 7 Made-with: Cursor --- docs/quickstart-30min.md | 10 ++++++++++ 1 file changed, 10 insertions(+) diff --git a/docs/quickstart-30min.md b/docs/quickstart-30min.md index 7842233..c087493 100644 --- a/docs/quickstart-30min.md +++ b/docs/quickstart-30min.md @@ -128,6 +128,16 @@ ollama pull qwen2.5vl ## 7) Поднять Qdrant +**Qdrant** — это векторная база данных. В этом проекте она хранит embeddings (векторы) фрагментов ваших документов и быстро ищет наиболее похожие фрагменты по запросу пользователя. + +Зачем он нужен в нашем контуре: + +- `index.py` превращает текст документов в embeddings и записывает их в Qdrant; +- `mcp_server.py` при вызове `search_docs` ищет релевантные чанки в Qdrant; +- OpenClaude получает найденный контекст и отвечает уже на основе ваших данных (RAG), а не только на "общих знаниях" модели. + +Без Qdrant связка RAG в текущем starter-стеке работать не будет. + ```bash cd ~/openclaude-LLM-local/docs/rag-mcp-starter docker compose up -d