Qdrant skill

O Claude coloca busca por significado no seu sistema Java: guarda os textos como vetores no Qdrant e acha os mais parecidos com a pergunta.

por giuseppe-trisciuoglio

instalações: 3.700
estrelas no GitHub: 363
No skills.sh desde: fevereiro de 2026
Licença: MIT

Atualizada no GitHub em 10 de setembro de 2026. Dados conferidos em 26 de outubro de 2026, no skills.sh e no GitHub.

giuseppe-trisciuoglio
qdrant
O Claude coloca busca por significado no seu sistema Java: guarda os textos como vetores no Qdrant e acha os mais parecidos com a pergunta.Auditada3.700 instalações, grátis

O que ela faz

Ensina o Claude a usar o Qdrant, um banco de dados vetorial, em aplicações Java. Ele sobe o Qdrant com Docker, adiciona o cliente oficial pelo Maven ou pelo Gradle, cria a coleção, grava os vetores com dados junto (título, categoria) e faz busca por semelhança, com ou sem filtro.

Pra RAG, que é quando a IA responde consultando os seus documentos, usa o LangChain4j: o Qdrant guarda os embeddings e um modelo local (AllMiniLmL6V2) transforma texto em vetor. Mostra a configuração no Spring Boot e um exemplo de endpoint REST de busca.

Traz os cuidados de produção: a dimensão do vetor tem que bater com a do modelo, a chave da API fica no ambiente e não no código, gRPC na porta 6334, uma coleção por cliente e backup, porque recriar a coleção apaga tudo. Também manda limpar os documentos antes de indexar, contra injeção de prompt.

Nas palavras de quem fez

Provides Qdrant vector database integration patterns with LangChain4j. Handles embedding storage, similarity search, and vector management for Java…

giuseppe-trisciuoglio, no SKILL.md

Quando usar

Colocar uma busca que entende o sentido da pergunta num sistema Spring Boot
Montar um assistente que responde com base nos documentos da empresa (RAG)
Criar recomendação de produtos ou conteúdos parecidos
Separar os dados de cada cliente num sistema com vários clientes

Depois de instalar, é só pedir assim

Sobe um Qdrant no Docker e liga no meu projeto Spring Boot com LangChain4j
Cria um endpoint /api/search que recebe uma pergunta e devolve os 5 documentos mais parecidos
Guarda os textos dos nossos manuais no Qdrant e cria a busca que acha os trechos certos pra cada pergunta

Segurança

Gen Agent Trust Hub, Socket e Snyk leem o código da skill atrás de comando perigoso, dado vazando e instrução escondida. Alerta não é reprovação: quer dizer que vale ler o que a skill faz antes de instalar.

Gen Agent Trust HubPassou
SocketPassou
SnykPassou

Perguntas

Como instalar a Qdrant no Claude Code?

Toca em Levar, aqui nesta página, e deixa seu nome, e-mail e WhatsApp (é uma vez só). Aparece uma frase pronta: cola ela no Claude Code, que ele mesmo instala a Qdrant, e a skill passa a valer na próxima conversa. A mesma frase serve no Codex. Se preferir fazer na mão, o passo a passo está em como instalar skills no Claude Code.

O que precisa pra funcionar?

Java com Spring Boot, Maven ou Gradle, e Docker pra rodar o Qdrant no seu computador ou servidor. Rodando local não precisa de chave; em produção você define uma chave de API do Qdrant. O modelo de embedding do exemplo roda na própria máquina, sem conta paga. O modelo de IA que escreve a resposta no RAG fica por sua conta: a skill cobre guardar e buscar.

Serve pra Python ou JavaScript?

Não. Os exemplos são todos em Java, com Spring Boot e LangChain4j. Os conceitos (coleção, vetor, busca com filtro) valem pra qualquer linguagem, mas o código não.

Roda no Codex e no Antigravity?

Sim. São instruções e exemplos de código; qualquer assistente que edita o projeto e roda comandos no terminal aproveita.

Levar essa skill

1x qdrantR$ 0,00

TotalR$ 0,00

Levar precisa do JavaScript ligado. O código da skill está no GitHub: github.com/giuseppe-trisciuoglio/developer-kit

Aprenda a usar

Modelos do Claude: Opus 5.5 vs Sonnet 5.5 e Haiku
Comparativo entre Claude Opus 5.5, Sonnet 5.5, Haiku 5.5 e Fable 5.1: diferenças de raciocínio, gasto da janela de 5 horas, planos e como trocar no /model.