U7eIo_o9EySNfaAAK26G31FtJrtuYKop9ZCHQM108Nz3KL8hFbfTVw
curl
-X GET 'https://57764f9a-d310-4e55-b5c0-0b6c7092c831.us-east-1-0.aws.cloud.qdrant.io:6333'
--header 'api-key: 9JfsjZRcYP7wTQUV8ihWJ7TVnYLX7BDklcRGsXBQ7XTVAwcYt_WBUA'
curl
-X GET 'https://57764f9a-d310-4e55-b5c0-0b6c7092c831.us-east-1-0.aws.cloud.qdrant.io:6333'
--header 'api-key: kThWcexRpedS30EyAutZt1ugEZtgDXdwj5_ixU22RQP5VfTc0q7woQ'
curl
-X GET 'https://b4dfecea-3f6d-4f9b-a7ce-e0dfbb1efd24.us-east-1-0.aws.cloud.qdrant.io:6333'
--header 'api-key: Q7q9WRRps_Vy6T9n3E0eCmW8Ak0TRFzJWK4Ci-AG3xzzYCT4c-roXg'
QDrant
将本地答案数据集，转为向量存储到向量数据 当用户输入查询的问题时，把问题转为向量然后从向量数据库中查询相近的答案topK 这个时候其实就是我们最普遍的问答查询方案，在没有GPT的时候就直接返回相关的答案整个流程就结束了 现在有GPT了可以优化回答内容的整体结构，在单纯的搜索场景下其实这个优化没什么意义。但如果在客服等的聊天场景下，引用相关领域内容回复时，这样就会显得不那么的突兀。
-- 前提是：先将初始化数据通过embeddings 转换为向量数据存储到空间数据库 qdrant
-- 调用接口将输入文本转变为向量 https://api.openai.com/v1/embeddings