KSCOLD LogoKSCOLD
Blog
Feed
Product
Admin Night
Vault
Guestbook
Info

Vault 목록

Qdrant query_points

연결된 노트와 함께 읽기

Qdrant query_points

2026년 8월 28일

Qdrant query_points

  • query_points()는 Qdrant SDK(v1.10+)의 통합 검색 진입점이다. 구버전 search()의 후계이고, 벡터 검색·필터·추천·하이브리드를 한 인터페이스로 받는다.
Python

인자별로 무엇을 정하나

인자정하는 것관련
query질의 벡터 (또는 point id)임베딩(Embedding)
limit상위 K개—
with_payload메타데이터를 같이 받을지Qdrant Point와 Payload
with_vectors1024차원 원본까지 받을지 — 보통 Falseprojection
score_threshold점수 컷score_threshold
query_filterpayload 조건Qdrant 메타데이터 필터
search_paramshnsw_ef, exactHNSW 파라미터

우리 프로젝트는 이걸 직접 안 부른다

LangChain 래퍼를 거친다.

Python
차이직접 호출LangChain 래퍼
임베딩내가 벡터를 만들어 넣음문자열을 주면 알아서 임베딩
결과point.payloaddocument.metadata, document.page_content
필터·튜닝전부 노출일부만 노출 — 세밀한 제어는 client로 내려가야 함

편한 대신 query_filter나 search_params 같은 손잡이가 가려진다. 그래서 규모가 커지면 래퍼를 벗고 내려가게 된다.

한 줄 정리

query_points는 벡터 + 개수 + 필터 + 탐색 다이얼을 한 번에 선언하는 검색 호출이다.

관련

  • Qdrant
  • Qdrant Point와 Payload
  • Qdrant 메타데이터 필터
  • score_threshold
  • HNSW 파라미터
  • LangChain

Synapse Map Insight

response = client.query_points( collection_name="block-catalog-bge-m3", query=query_vector, # 1024차원 float 리스트 limit=10, with_payload=True, with_vectors=False, score_threshold=0.3, query_filter=my_filter, search_params=models.SearchParams(hnsw_ef=128, exact=False), ) for point in response.points: print(point.id, point.score, point.payload)
store = QdrantVectorStore(client=client, collection_name=..., embedding=embedding) results = store.similarity_search_with_score(user_prompt, k=15) # (Document, score) 목록