임베딩과 검색·추천·RAG 관련 글
모든 태그 보기
“가장 최근”이라는 말은 뉴스 피드에서는 위험하다. 공개 웹은 수시로 바뀌고, 일부 공식 페이지는 동적 렌더링이나 robots 정책 때문에 자동 검증이 제한된다. 그래서 이 글은 2026-07-06에 직접 확인 가능한 공개 자료 기준으로, AI/LLM/Embedding/sLLM/Quantum Computing에서 각각 하나씩 의미 있는 신호를 고른다. 목적은 유행어 정리가 아니라 “다음 구현·제품·연구 판단에서 무엇을 봐야 하는가”를 분리하는 것이다.
Qdrant는 "vector similarity search engine"이자 벡터 데이터베이스로, 임베딩 기반의 검색·추천·매칭 애플리케이션을 위한 생산 환경용 기능을 제공합니다. 저장된 포인트(벡터 + JSON payload)에 대해 고성능 유사도 검색을 지원하고, 필터링·페이싱(faceting)·하이브리드 검색(밀집/희소 벡터 결합)·양자화(quantization)·분산 배포 등의 기능을 통해 실제 서비스 요구를 충족하도록 설계되어 있습니다. 저장소 설명과 문서에 따르면 Qdrant는 Rust로 작성되어 고부하 환경에서도 성능과 안정성을 목표로 하며, Qdrant Cloud(관리형)와 Qdrant Edge(앱 내부로 임베디드되는 경량 버전)도 제공합니다. 원문 저장소에서는 Quick Start, API(OpenAPI), gRPC 인터페이스, Web UI, 그리고 다양한 클라이언트 라이브러리(Python/Go/JS/Rust 등)를 제공합니다.