Команда Qdrant подвела итоги июня 2026 года в очередном выпуске новостной рассылки. Главным событием месяца стала первая американская конференция Vector Space Day, а также ряд обновлений документации, новые технические материалы и результаты хакатона.
Vector Space Day добрался до США
Первое американское издание конференции Vector Space Day прошло в Сан-Франциско и собрало разработчиков, исследователей и инженеров на день, посвящённый агентам, retrieval-системам и робототехнике. В программе были доклады представителей Slack, Adobe, HubSpot, Arize, Google DeepMind и Qualcomm, а также хакатон и неформальная встреча сообщества.
Митап в Берлине: retrieval как инструмент агента
Отдельным событием месяца стал митап Vector Space в Берлине. Его тема — переход от классического RAG, где retrieval выполняется как один фиксированный шаг, к агентным системам, в которых поиск становится инструментом, который агент сам решает применять: когда искать, что искать, какой инструмент retrieval выбрать и достаточно ли хороши результаты.
С ключевым докладом на митапе выступил технический директор Qdrant Андрей Васнецов, после чего прошла панельная дискуссия с участием команд Cognee, Haystack by deepset, LlamaIndex и n8n — они обсудили, что нужно для того, чтобы retrieval действительно применялся агентами в продакшене, а не оставался теоретической возможностью.
Qdrant Edge: поиск на устройстве без обращения к сети
Ключевой продуктовой темой месяца стал Qdrant Edge — движок для векторного поиска, работающий локально, в оффлайн-режиме и без обращения к облаку. Это встраиваемое, in-process решение предназначено для роботов и устройств edge AI, которым нужна работающая в реальном времени память для поиска без сетевых задержек.
В Qdrant отмечают, что поверхность поиска в мире продолжает расти по мере того, как всё больше данных собирается из физического и цифрового пространства, а встраиваемые системы позволяют запускать локальный поиск на миллионах устройств без постоянных обращений к облаку.
Новые инструменты и документация
- Массовая загрузка данных — туториал показывает, как ускорить загрузку больших датасетов, откладывая построение индекса HNSW и распараллеливая загрузку клиентов, чтобы избежать замедления при пересборке индекса на каждой вставке.
- Agent Skills — набор готовых инструкций для ИИ-ассистентов по настройке масштабирования, качества поиска, производительности и мониторинга; ссылку на нужный skill можно передать агенту напрямую.
- Предсказание слабого retrieval без LLM — материал о том, как выявлять случаи, когда нужный документ не попадает в топ выдачи, используя уже имеющиеся в результатах сигналы, без дополнительного обращения к модели.
- Декомпозиция запросов для multi-hop вопросов — гайд о том, как разбивать сложный вопрос на несколько шагов retrieval, задавать уточняющие подзапросы через LLM и объединять результаты с помощью Reciprocal Rank Fusion.
- Миграция и восстановление данных — руководство по выбору между инструментом миграции, снапшотами коллекций и облачными бэкапами в зависимости от сценария использования и операционных ограничений.
Победители хакатона Think Outside the Bot
Завершился месяц объявлением победителей глобального хакатона Think Outside the Bot. Участники создавали проекты на основе векторного поиска далеко за пределами чат-ботов — среди представленных решений были проекты в области робототехники, электронной коммерции и игровой индустрии.
Итог
Июньский дайджест Qdrant демонстрирует смещение фокуса компании в сторону edge-сценариев и агентного поиска: от локального поиска на устройствах без доступа в сеть до retrieval как активного инструмента, которым управляет сам агент, а не жёстко заданный этап пайплайна.