[{"data":1,"prerenderedAt":90},["ShallowReactive",2],{"seo-verification":3,"marketplace-app-ar-qdrant":6},{"google":4,"bing":5},"EycwPY2XMyTkVzas3n1ygeNJFGAH513qrMjfDljzsMQ","",{"slug":7,"slugs":8,"categorySlugs":9,"name":13,"description":14,"phase":15,"unavailableReason":16,"docsUrl":17,"logo":18,"github":19,"tagline":20,"longDescription":21,"features":22,"useCases":29,"steps":39,"faq":58,"specs":74,"compatibleOs":81,"relatedApps":83,"relatedPosts":84,"category":85},"qdrant",{"fr":7,"en":7,"ar":7},{"fr":10,"en":11,"ar":12},"ia","artificial-intelligence","الذكاء-الاصطناعي","Qdrant","قاعدة بيانات شعاعية مستضافة ذاتيًا للبحث الدلالي وتقنية RAG. خزّن التضمينات عالية الأبعاد وفهرِسها واستعلم عنها بزمن استجابة دون المللي ثانية — طبقة البنية التحتية المفقودة في منظومة نماذج اللغة الكبيرة لديك.",1,null,"https:\u002F\u002Fservorbit.com\u002Fblog\u002F%D8%A7%D8%B3%D8%AA%D8%B6%D8%A7%D9%81%D8%A9-qdrant-%D8%B9%D9%84%D9%89-%D8%AE%D8%A7%D8%AF%D9%85-vps","https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fselfhst\u002Ficons\u002Fsvg\u002Fqdrant.svg","https:\u002F\u002Fgithub.com\u002Fqdrant\u002Fqdrant","قاعدة بيانات شعاعية مستضافة ذاتيًا للبحث الدلالي وتقنية RAG — طبقة البنية التحتية المفقودة في منظومة نماذج اللغة الكبيرة لديك.","Qdrant قاعدة بيانات شعاعية مفتوحة المصدر وعالية الأداء مكتوبة بلغة Rust. تخزّن التضمينات الشعاعية — أي التمثيلات الرقمية التي تنتجها نماذج اللغة الكبيرة ونماذج التضمين — وتسترجع الأكثر تشابهًا منها في أجزاء من الثانية، حتى عبر مئات الملايين من المتجهات.\n\nعند نشرها على خادم VPS من ServOrbit، تصبح Qdrant طبقة الذاكرة في منظومة الذكاء الاصطناعي لديك: اقرنها مع Ollama للاستدلال المحلي، ومع LiteLLM لبوابة API موحّدة، ومع شيفرة تطبيقك الخاصة لبناء خطوط معالجة RAG بمستوى الإنتاج، أو محرّكات بحث دلالي، أو أنظمة توصية، أو روبوتات محادثة ذكية تتذكّر السياق فعلًا — كل ذلك على بنية تحتية تتحكّم بها، بتكلفة شهرية ثابتة.",[23,24,25,26,27,28],"بحث تقريبي عن أقرب الجيران بزمن دون المللي ثانية عبر ملايين المتجهات","مرشّحات الحمولة (payload) — تجمع بين التشابه الشعاعي والمرشّحات المنظَّمة (الفئة، التاريخ، الدرجة) في استعلام واحد","فهرسة HNSW + التكميم القياسي والجُدائي للبحث السريع ضمن ميزانيات ذاكرة صغيرة","المجموعات والمتجهات المسمّاة — خزّن أنواع تضمين متعدّدة لكل مستند في مجموعة واحدة","واجهات REST وgRPC — كل إطار عمل شائع لنماذج اللغة الكبيرة (LangChain، LlamaIndex، Haystack) له موصّل Qdrant أصلي","رخصة Apache 2.0 — قابل للتدقيق بالكامل، بلا قياس عن بُعد (telemetry)، وقادر على العمل معزولًا عن الشبكة",[30,33,36],{"title":31,"body":32},"ذاكرة خط معالجة RAG","فهرِس وثائقك أو قاعدة معرفتك أو كتالوج منتجاتك كتضمينات، واسترجع أكثر المقاطع صلةً قبل كل استدعاء لنموذج لغوي كبير. اقرنها مع Ollama على خادم VPS نفسه للحصول على منظومة RAG معزولة تمامًا عن الشبكة وبلا تكلفة لكل توكن.",{"title":34,"body":35},"البحث الدلالي","استبدل البحث بالكلمات المفتاحية باسترجاع قائم على المعنى. فاستعلام عن 'معالجة الدفع السريعة' يُظهر نتائج حول 'المعاملات الفورية' حتى لو لم تظهر تلك الكلمات بالضبط أبدًا — لأن Qdrant يقارن القصد، لا الرموز (tokens).",{"title":37,"body":38},"محرّك التوصيات","مثّل المنتجات أو المقالات أو المستخدمين كمتجهات تضمين، وابحث عن أقرب الجيران. فتصبح 'المستخدمون الذين أعجبهم هذا' و'منتجات مشابهة' استعلامًا واحدًا عن أقرب جار، مع مرشّحات حمولة اختيارية للسعر أو الفئة.",[40,43,46,49,52,55],{"title":41,"body":42},"اطلب خادم VPS من ServOrbit","خصّص 2 GB من الذاكرة على الأقل: يكتفي Qdrant نفسه بـ 100 إلى 200 MB في السكون، والباقي هامش لفهرسك وللخدمات التي تستضيفها بجانبه. ويتوقّف التحجيم الفعلي على عدد متجهاتك وأبعادها. ويُسلَّم الجهاز بنظام Ubuntu 24.04 مع Docker مثبَّت مسبقًا.",{"title":44,"body":45},"انشر من الـMarketplace","في مساحة العميل لدى ServOrbit: Marketplace ← الذكاء الاصطناعي ← Qdrant ← نشر. تنطلق الصورة `qdrant\u002Fqdrant:latest` في ثوانٍ. وتستجيب واجهة REST على المنفذ 6333؛ بينما تستمع واجهة gRPC على المنفذ 6334 المقصور على `127.0.0.1`، أي يمكن بلوغها من الخادم نفسه أو عبر نفق SSH. وتحفظ وحدة التخزين `qdrant_storage` المركّبة على `\u002Fqdrant\u002Fstorage` مجموعاتك وفهارسك.",{"title":47,"body":48},"اتصل للمرة الأولى","لا توجد بيانات اعتماد تُسلَّم إليك: فهذه النسخة من Qdrant تعمل دون أي مصادقة. وكل من يستطيع بلوغ عنوانها يمكنه قراءة مجموعاتك وتعديلها وحذفها، ولوحة `\u002Fdashboard` مفتوحة تمامًا — فلا تربط بها نطاقًا عامًا ما لم يُضبط مفتاح واجهة برمجية.",{"title":50,"body":51},"أنشئ مجموعة وفهرِس متجهاتك","أنشئ مجموعة يوافق بُعدها نموذج التضمين لديك — مثلًا 1536 لـ `text-embedding-3-small` من OpenAI، أو 1024 لـ `mxbai-embed-large` الذي يقدّمه Ollama: `curl -X PUT https:\u002F\u002F\u003Cyour-domain>\u002Fcollections\u002Fmy_docs -H 'Content-Type: application\u002Fjson' -d '{\"vectors\":{\"size\":1536,\"distance\":\"Cosine\"}}'`. وهذا هو العنوان الذي تستدعيه من أي جهاز؛ ومن الخادم نفسه يعمل `http:\u002F\u002F127.0.0.1:6333` أيضًا. وبلا نطاق مربوط ليس لـ Qdrant أي عنوان عام: افتح نفقًا عبر SSH — `ssh -L 6333:127.0.0.1:6333 root@\u003Cyour-vps-ip>`، مع استبدال 6333 بالمنفذ المعروض في بطاقة تطبيقك في مساحة العميل — ثم استدعِ `http:\u002F\u002Flocalhost:6333`. ثم أرسِل تضميناتك عبر واجهة REST أو عبر حزمة SDK من اختيارك.",{"title":53,"body":54},"استعلم من تطبيقك","ثبّت عميل Qdrant (`pip install qdrant-client` أو `npm install @qdrant\u002Fjs-client-rest`)، ومرّر تضمين سؤال المستخدم واسترجع أقرب k مقاطع. ثم تُقدَّم هذه المقاطع سياقًا لنموذجك اللغوي، فيجيب مستندًا إلى وثائقك بدلًا من معارفه الداخلية وحدها.",{"title":56,"body":57},"أمّن النسخة","اضبط مفتاح واجهة برمجية عبر متغيّر البيئة `QDRANT__SERVICE__API_KEY` وأعد تشغيل الحاوية: فهذه هي الحماية الوحيدة التي تصمد، إذ تتيح قاعدة متجهات مفتوحة قراءة مجموعاتك كلها وتعديلها. وفي المقابل لا وكيل عكسي عليك تثبيته ولا شهادة عليك إدارتها: يضع ServOrbit مضيف nginx الافتراضي وشهادة TLS بمجرد ربط نطاق — ولا تربط هذا النطاق إلا بعد وضع المفتاح، إذ يحمي التشفير النقل دون أن يعرّف أحدًا.",[59,62,65,68,71],{"q":60,"a":61},"ما قاعدة البيانات الشعاعية ولماذا أحتاجها لتقنية RAG؟","تخزّن قاعدة البيانات الشعاعية التضمينات — أي التمثيلات الرقمية التي تنتجها نماذج اللغة الكبيرة ونماذج التضمين. وتعمل تقنية RAG (التوليد المعزّز بالاسترجاع) باسترجاع مقاطع المستندات الأكثر تشابهًا بسؤال المستخدم قبل استدعاء النموذج اللغوي الكبير. وتُجري قاعدة بيانات شعاعية مثل Qdrant ذلك الاسترجاع في أجزاء من الثانية عبر ملايين المقاطع، وهو ما لا تضاهيه قاعدة بيانات علائقية أو فهرس نص كامل.",{"q":63,"a":64},"كم من الذاكرة (RAM) تحتاج Qdrant؟","تستهلك Qdrant نفسها في وضع الخمول نحو 100–200 MB. والحد العملي هو حجم فهرسك: يشغل مليون متجه float32 بأبعاد 1536 نحو 6 GB دون تكميم. ومع التكميم القياسي (int8) ينخفض ذلك إلى ~1.5 GB. وخادم VPS بذاكرة 4 GB مريح لمعظم المشاريع الصغيرة إلى المتوسطة.",{"q":66,"a":67},"ما نماذج التضمين وأطر العمل التي تعمل مع Qdrant؟","يعمل أي نموذج ينتج متجهات float بحجم ثابت. خيارات شائعة مستضافة ذاتيًا عبر Ollama: `mxbai-embed-large` (1024 بُعدًا)، `nomic-embed-text` (768 بُعدًا). وعبر الـ API: OpenAI `text-embedding-3-small` (1536 بُعدًا)، Cohere Embed. أطر عمل بموصّلات أصلية: LangChain، LlamaIndex، Haystack، semantic-kernel، وحزم SDK الرسمية لـ Python\u002FTypeScript\u002FGo\u002FRust.",{"q":69,"a":70},"هل Qdrant بديل جيّد لـ Pinecone أو Weaviate؟","ينافس Qdrant مباشرةً Pinecone (المُدارة) وWeaviate (مفتوحة المصدر). ومزايا Qdrant: مكتوب بلغة Rust لخفض استهلاك الذاكرة، وأفضل مزيج من مرشّح الحمولة والبحث الشعاعي في الاختبارات المرجعية، ورخصة Apache 2.0 دون أي اتصال خفي بالخوادم. والمقايضة: أنت تدير البنية التحتية بنفسك، وهو تمامًا ما يوفّره لك خادم VPS من ServOrbit.",{"q":72,"a":73},"هل يمكنني تشغيل Qdrant جنبًا إلى جنب مع Ollama على خادم VPS نفسه؟","نعم. كلاهما ينشر في حاوية واحدة دون تعارض في المنافذ (Ollama على 11434، وQdrant على 6333\u002F6334). ويستضيف خادم VPS بذاكرة 4 GB كليهما بأريحية مع تحميل نموذج 7B بترميز Q4. وهذه هي نقطة الانطلاق المُوصى بها لمنظومة RAG قائمة بذاتها بالكامل ومعزولة عن الشبكة.",{"ram":75,"cpu":76,"stack":77,"port":80},"2 غيغابايت","1 vCPU",[78,79],"Docker","Rust","6333",[82],"ubuntu-24.04",[],[],{"key":10,"slug":12,"name":86,"objective":87,"icon":88,"color":89},"الذكاء الاصطناعي","بناء واستضافة وتشغيل حلول الذكاء الاصطناعي.","ai","text-purple-400 bg-purple-500\u002F10",1787581025304]