在構建企業開發規範 RAG（檢索增強生成）管線時，向量資料庫（Vector Database）扮演著核心記憶庫的角色。通用大模型無法掌握企業內部最新或專屬的 Coding Style、Git 分支流程與 API 設計規範；唯有透過向量資料庫將規範文件高效索引，才能在推論時提供精準的上下文依據。

今天我們將評估企業常見的向量資料庫選型，並使用 Qdrant 完成本地容器化搭建，同時完成企業規範專用的集合（Collections）與 Metadata Payload 結構設計。

一、主流向量資料庫選型與評估

• 本專案決策：選擇 Qdrant。其採用 Rust 編寫，推論與過濾速度極快，且 Payload 結構支援非常精準的 JSON 欄位篩選，極度契合開發規範需要根據「語言（Language）」、「專案版本（Version）」、「模組（Category）」動態過濾的場景。

二、Qdrant 容器化環境搭建

使用 Docker 建立具備資料持久化（Data Persistence）的 Qdrant 服務。

建立 docker-compose.qdrant.yml：

version: '3.8'

services:
  qdrant:
    image: qdrant/qdrant:v1.9.0
    container_name: enterprise_qdrant
    restart: always
    ports:
      - "6333:6333"   # REST API 介面與 Web UI
      - "6334:6334"   # gRPC 高效傳輸介面
    volumes:
      - ./qdrant_storage:/qdrant/storage
    environment:
      - QDRANT__SERVICE__ENABLE_CORS=true

啟動服務：

docker compose -f docker-compose.qdrant.yml up -d

啟動後，可使用瀏覽器開啟 http://localhost:6333/dashboard，進入 Qdrant 內建的視覺化管理介面（Web Dashboard）。

三、企業開發規範集合（Collection）與 Payload 結構設計

為了讓 RAG 檢索時能快速縮小範圍，避免「Python 規範與 Java 規範混淆」，必須嚴格設計 Payload Metadata。

1. Payload 欄位規劃

{
  "doc_id": "GUID 或文件識別碼",
  "title": "章節或規則標題（例如：RESTful API 命名規範）",
  "category": "分類（例如：coding_style, git_flow, api_schema, security）",
  "language": "適用程式語言（例如：python, typescript, java, all）",
  "version": "適用版本（例如：v1.2.0）",
  "source_url": "內部文件 Wiki / Git 連結（用於回覆出處標註）",
  "content": "切塊後的文字與程式碼區塊內容"
}

2. 初始化集合與索引建立腳本

安裝 Python Client：

pip install qdrant-client

建立 init_qdrant.py，配置集合向量維度（以即將採用的 1024 維開源 Embedding 模型為例），並為關鍵欄位建立 Payload Index 以加速後續條件過濾：

from qdrant_client import QdrantClient
from qdrant_client.http import models

# 初始化客戶端（連接本地 6333 埠）
client = QdrantClient(url="http://localhost:6333")

COLLECTION_NAME = "enterprise_dev_standards"

def setup_vector_store():
    # 1. 檢查集合是否存在，若不存在則建立
    collections = client.get_collections().collections
    collection_names = [col.name for col in collections]
    
    if COLLECTION_NAME in collection_names:
        print(f"集合 [{COLLECTION_NAME}] 已存在，略過建立步驟。")
        return

    print(f"正在建立集合: {COLLECTION_NAME}...")
    client.create_collection(
        collection_name=COLLECTION_NAME,
        vectors_config=models.VectorParams(
            size=1024,  # 向量維度需與 Embedding 模型嚴格一致
            distance=models.Distance.COSINE  # 餘弦相似度
        ),
        # 啟用 HNSW 索引優化檢索吞吐
        hnsw_config=models.HnswConfigDiff(
            m=16,
            ef_construct=100
        )
    )

    # 2. 建立 Payload 索引，加速精準 Metadata 過濾
    print("正在建立 Payload 篩選索引...")
    indexed_fields = [
        ("category", models.PayloadSchemaType.KEYWORD),
        ("language", models.PayloadSchemaType.KEYWORD),
        ("version", models.PayloadSchemaType.KEYWORD)
    ]

    for field_name, field_type in indexed_fields:
        client.create_payload_index(
            collection_name=COLLECTION_NAME,
            field_name=field_name,
            field_schema=field_type
        )

    print(f"集合 [{COLLECTION_NAME}] 初始化完成，各項 Payload 索引建立完畢！")

if __name__ == "__main__":
    setup_vector_store()

四、向量庫操作與過濾查詢驗證

撰寫 verify_qdrant.py，模擬寫入一筆開發規範並執行帶 Metadata 過濾條件的向量檢索：

import numpy as np
from qdrant_client import QdrantClient
from qdrant_client.http import models

client = QdrantClient(url="http://localhost:6333")
COLLECTION_NAME = "enterprise_dev_standards"

# 1. 模擬插入一筆開發規範向量
mock_vector = np.random.rand(1024).tolist()

client.upsert(
    collection_name=COLLECTION_NAME,
    points=[
        models.PointStruct(
            id=1,
            vector=mock_vector,
            payload={
                "doc_id": "REST-001",
                "title": "RESTful 資源路徑命名指引",
                "category": "api_schema",
                "language": "all",
                "version": "v1.0",
                "source_url": "[https://wiki.corp.internal/standards/api-naming](https://wiki.corp.internal/standards/api-naming)",
                "content": "所有 API 端點路徑必須使用複數名詞與小寫字母，例如 /api/v1/users，嚴禁使用動詞。"
            }
        )
    ]
)
print("測試向量寫入成功！")

# 2. 帶條件的過濾查詢測試
query_vector = np.random.rand(1024).tolist()

search_result = client.search(
    collection_name=COLLECTION_NAME,
    query_vector=query_vector,
    query_filter=models.Filter(
        must=[
            models.FieldCondition(
                key="category",
                match=models.MatchValue(value="api_schema")
            )
        ]
    ),
    limit=1
)

print("\n--- 過濾檢索結果 ---")
for hit in search_result:
    print(f"評分 (Score): {hit.score:.4f}")
    print(f"標題: {hit.payload['title']}")
    print(f"內容: {hit.payload['content']}")

五、中台知識庫架構注意事項

向量維度一致性：VectorParams 中的 size 必須與後續選用的 Embedding 模型完全相符（例如 BGE-Large 為 1024 維，OpenAI text-embedding-3-small 為 1536 維），一旦建立即無法中途變更。

Payload 索引效益：若未針對 category 或 language 建立 Payload 索引，隨著企業文件累積到數萬筆時，帶條件的混合篩選將退化為全表暴力掃描，拖慢 RAG 檢索延遲。

明日進度

向量資料庫與 Metadata 規範已就位。明天 Day 07 我們將進入第一週的最後一天：Embedding 與 Reranker 模型落地，實測開源 Embedding 模型在技術文件上的語義表現，並在本地部署 Cross-Encoder Reranker 服務。