Команда Qdrant підбила підсумки червня 2026 року в черговому випуску розсилки новин. Головною подією місяця стала перша американська конференція Vector Space Day, а також низка оновлень документації, нові технічні матеріали та результати хакатону.
Vector Space Day дістався США
Перше американське видання конференції Vector Space Day відбулося у Сан-Франциско і зібрало розробників, дослідників та інженерів на день, присвячений агентам, retrieval-системам та робототехніці. У програмі були доповіді представників Slack, Adobe, HubSpot, Arize, Google DeepMind та Qualcomm, а також хакатон та неформальна зустріч спільноти.
Мітап у Берліні: retrieval як інструмент агента
Окремою подією місяця став мітап Vector Space у Берліні. Його тема - перехід від класичного RAG, де retrieval виконується як один фіксований крок, до агентних систем, в яких пошук стає інструментом, який агент сам вирішує застосовувати: коли шукати, що шукати, який інструмент retrieval вибрати і чи хороші результати.
З ключовою доповіддю на мітапі виступив технічний директор Qdrant Андрій Васнєцов, після чого пройшла панельна дискусія за участю команд Cognee, Haystack by deepset, LlamaIndex і n8n - вони обговорили, що потрібно для того, щоб retrieval дійсно застосовувався агентами в продакшені, а не залишався теоретою.
Qdrant Edge: пошук на пристрої без доступу до мережі
Ключовою продуктовою темою місяця став Qdrant Edge - двигун для векторного пошуку, що працює локально, в режимі офлайн і без звернення до хмари. Це вбудовуване, in-process рішення призначене для роботів та пристроїв edge AI, яким потрібна пам'ять, що працює в реальному часі, для пошуку без мережних затримок.
У Qdrant відзначають, що поверхня пошуку у світі продовжує зростати в міру того, як все більше даних збирається з фізичного та цифрового простору, а системи, що вбудовуються, дозволяють запускати локальний пошук на мільйонах пристроїв без постійних звернень до хмари.
Нові інструменти та документація
- Масове завантаження даних — туторіал показує, як прискорити завантаження великих датасетів, відкладаючи побудову індексу HNSW і розпаралелюючи завантаження клієнтів, щоб уникнути уповільнення перескладання індексу на кожній вставці.
- Agent Skills - набір готових інструкцій для ІІ-асистентів з налаштування масштабування, якості пошуку, продуктивності та моніторингу; Посилання на потрібний skill можна передати агенту безпосередньо.
- Пророцтво слабкого retrieval без LLM - матеріал про те, як виявляти випадки, коли потрібний документ не потрапляє в топ видачі, використовуючи вже наявні в результатах сигнали, без додаткового звернення до моделі.
- Декомпозиція запитів для multi-hop питань - гайд про те, як розбивати складне питання на кілька кроків retrieval, задавати підзапити через LLM і об'єднувати результати за допомогою Reciprocal Rank Fusion.
- Міграція та відновлення даних – посібник з вибору між інструментом міграції, снапшотами колекцій та хмарними бекапами залежно від сценарію використання та операційних обмежень.
Переможці хакатону Think Outside the Bot
Завершився місяць оголошенням переможців глобального хакатону Think Outside the Bot. Учасники створювали проекти на основі векторного пошуку далеко за межами чат-ботів - серед представлених рішень були проекти в галузі робототехніки, електронної комерції та ігрової індустрії.
Підсумок
Червневий дайджест Qdrant демонструє зміщення фокусу компанії у бік edge-сценаріїв та агентного пошуку: від локального пошуку на пристроях без доступу до мережі до retrieval як активного інструменту, яким керує сам агент, а не жорстко заданий етап пайплайну.