学习路线与预备知识

预备知识

• 基础：会用命令行；若跟 Python 示例需 Python 3.8+；若跟 Java 示例需 JDK 11+ 与 Maven。
• 有帮助但非必须：HTTP/JSON 概念；Docker 基础；向量、余弦相似度的直觉。

推荐阅读顺序

顺序	章节	目标
1	入门四篇	建立概念，明确 Embedding 与 Qdrant 分工。
2	安装部署	本地可访问 http://localhost:6333 与 Dashboard。
3	数据模型	能解释 Collection / Point / Payload / 距离。
4	基础操作 + 检索	会用 API 或控制台完成 CRUD 与搜索。
5	Python 或 Java	选主语言完整跟练；另一语言当对照。
6	进阶 + 实战	上线考量与 RAG 最小闭环。

练习建议

1. 自建一个 384 维 的测试 Collection（可用随机向量练手，再换真实 Embedding）。
2. 写入 100～1000 个点，练习 filter + search。
3. 用 Python 或 Java 写一个函数：text → embedding → search → 打印 payload。

与官方文档的关系

本书侧重中文线性教程与 Python/Java 对照。细节以 Qdrant 官方文档 为准；版本升级时若 API 有变，请以官方为准并查阅「附录 · 常见问题」。