#Qdrant
Qdrant刚发了博客回应Elastic的测试，发现对方没开它的优化功能，一开就反超了：吞吐量翻倍，延迟减半，计算资源只要三分之一。想选向量数据库的可以看看。
Qdrant 在柏林现场展示 Qdrant Edge 边缘向量搜索，还有医疗 AI 上下文工程工作坊，适合对向量数据库和边缘 AI 感兴趣的人。
Qdrant CTO分享了未来架构怎么省掉云端来回；Panel聊了Agent不跑检索的坑，还有用同个模型判自己作业的槽点，做AI的都该看看。
做 RAG 或检索系统的开发者终于有了可落地的评估方法论——Qdrant + Evret 的组合让你从“感觉还行”到“数据说话”，建议直接跟着指南搭建你的评估流水线。
做智能体开发的团队值得关注——Mem0 的 CEO 将揭示记忆如何成为智能体持续学习的关键，这直接关系到智能体长期记忆和上下文管理的实现路径。
企业 AI 团队终于有了兼顾速度与权限的检索方案——Qdrant + Neo4j 的架构直接解决了「谁可以看什么」的治理难题，做企业级 RAG 或智能体系统的开发者值得关注。
智能体开发者都在头疼检索问题——什么时候搜、搜什么、够不够用？这场 Meetup 把 cognee、deepset、LlamaIndex 和 n8n 的构建者聚在一起，直接回答你的疑问。做 RAG 或智能体系统的建议报名，现场还能和 Qdrant CTO 交流。
搞 AI 记忆和检索的工程师终于有个正经的技术大会了——Dave Nielsen 会拆解短期/长期记忆的真实架构，做 RAG 或智能体的团队值得去听听。
做向量搜索或 RAG 的团队终于有了正经的评估方法论——Laurie Voss 会教你用指标和 CI 替代“感觉还行”，建议做检索基础设施的开发者点开看看。
做向量搜索和 RAG 的开发者可以直接在柏林现场动手试 Gemini Embedding 2 和 Qdrant 的集成，还能和同行交流智能体时代的检索趋势，值得关注。
RAG 正在从静态检索进化到智能体主动决策，做 AI 应用开发的团队值得参与这场由一线构建者主导的讨论，直接听到实战经验。
做智能体或 RAG 系统的开发者，如果发现向量检索经常答非所问，这场演讲会点出关键缺失——关系理解。建议关注活动内容或后续回放。
做文档搜索或知识管理的团队值得关注——MistralAI OCR + Qdrant 的组合能直接解决非结构化数据难检索的痛点，建议有类似需求的开发者点开了解具体方案。
做招聘系统或人才匹配的团队，这个案例展示了如何用多向量+混合搜索突破语义搜索天花板，准确率从 30% 拉到 99.993%，值得直接参考架构。
做向量检索或使用 Qdrant 的团队，TurboQuant 能帮你用更少存储获得更好召回，值得关注 5 月 26 日的技术分享。
生物医药研发团队终于有了能搜遍全部 PubMed 的 AI 工具——Sapu 用 Qdrant 解决了文献检索的碎片化痛点，做药物发现的团队可以直接参考这个架构。