关于
This skill helps developers diagnose and improve search relevance in Qdrant vector databases. It addresses issues like poor results, low precision/recall, and guides on embedding models, hybrid search, and reranking. Use it when search quality degrades or when needing to measure retrieval performance with techniques like building ground truth datasets.
快速安装
Claude Code
推荐npx skills add qdrant/skills -a claude-code/plugin add https://github.com/qdrant/skillsgit clone https://github.com/qdrant/skills.git ~/.claude/skills/qdrant-search-quality在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
Qdrant Search Quality
First determine whether the problem is the embedding model, Qdrant configuration, or the query strategy. Most quality issues come from the model or data, not from Qdrant itself. If search quality is low, inspect how chunks are being passed to Qdrant before tuning any parameters. Splitting mid-sentence can drop quality 30-40%.
- Start by testing with exact search to isolate the problem Search API
Diagnosis and Tuning
Isolate the source of quality issues, establish labeled baselines to measure recall and relevance, tune HNSW parameters, and choose the right embedding model. Diagnosis and Tuning
Search Strategies
Hybrid search, reranking, relevance feedback, and exploration APIs for improving result quality. Search Strategies
GitHub 仓库
常见问题
什么是 qdrant-search-quality Skill？
qdrant-search-quality 是一个 Claude Skill，作者为 qdrant。Skill 将 Claude 按需加载的说明和资源打包，让 Claude 无需额外提示即可执行与 qdrant-search-quality 相关的任务。
如何安装 qdrant-search-quality？
使用本页的安装命令：将 qdrant-search-quality 作为插件添加到 Claude Code，或将其仓库克隆到 skills 目录，然后重启 Claude 以加载该 Skill。
qdrant-search-quality 属于哪个分类？
qdrant-search-quality 属于元分类。
qdrant-search-quality 可以免费使用吗？
可以。qdrant-search-quality 已收录在 AIMCP，可免费安装。
相关推荐技能
Content Collections 是一个 TypeScript 优先的构建工具，可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计，提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。
这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持，涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流，可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。
该Skill帮助开发者创建OpenCode插件，用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式，适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。
SGLang是一个专为LLM设计的高性能推理框架，特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术，在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时，能实现极速生成。如果你正在构建智能体或多轮对话系统，并追求远超vLLM的推理性能，SGLang是理想选择。