当前知识库

未选择

请选择一个知识库查看文档状态。

文档0

Chunks0

状态-

文档

Vector Database Benchmark

评测系统

独立评测 Qdrant collection、named vectors 和 Hybrid Search，不进入 RAG/LLM 回答链路。

打开 Qdrant Dashboard

当前对象

未选择

创建评测集

名称描述

模型接入

添加模型

显示名称

模型类型供应商

Base URL 模型 ID

启用为可选模型

关闭后不会删除模型和密钥，只会从知识库创建、向量化和 LLM 选择列表中隐藏。

向量维度支持文本批量

最大批量支持 sparse 向量

模型 API Key

已接入模型

模型列表

Step 1

选择数据源

知识库名称描述默认 Embedding 模型

创建后作为该知识库的默认向量模型；留空时可在首次向量化前选择。

＋

选择本地资料 支持批量上传

预览

未选择文件

只读

清洗字符0

文档数0

等待预览。

清洗进度

等待执行

执行清洗后会显示实时任务进度。

Chunk 预览

等待切片

Chunk 数0

预览全部

等待预览。

Step 4

向量化

Embedding 模型

dense_vector sparse_vector_bm25 sparse_vector_model

Sparse 诊断

Model Sparse Query

测试 Query

等待生成 model sparse 后运行诊断。

向量缓存

Embedding 结果

向量数0

预览未生成

等待向量化。

Step 5

索引构建

Dense Vector

dense 向量索引

已生成 dense 向量。

索引 dense

索引类型量化

M（每节点最大连接数） ef_construct（构建搜索深度）

Sparse BM25

sparse_bm25 向量索引

等待 Step 4 生成 BM25 sparse。

索引 BM25 sparse

存储位置

Sparse Model

sparse_model 向量索引

当前 embedding 未生成 model sparse。

索引 model sparse

存储位置

内存预估

构建预览

等待向量化完成。

Step 6

向量数据库入库

等待执行。

未选择

文档

你知道吗?

评测系统

未选择

创建评测集

未选择评测集

搜索 Golden Chunk

评测集条目

执行评测

结果报告

物理迁移说明