t.py

from qdrant_client.http.models import PointStruct
from qdrant_client import QdrantClient
from qdrant_client.http.models import Distance, VectorParams
from qdrant_client.http.models import Filter, FieldCondition, MatchValue
import pprint

client = QdrantClient("localhost", port=6333)
client.recreate_collection(
    collection_name="test_collection",
    vectors_config=VectorParams(size=4, distance=Distance.DOT),
)

operation_info = client.upsert(
    collection_name="test_collection",
    wait=True,
    points=[
        PointStruct(
            id=1,
            vector=[0.05, 0.61, 0.76, 0.74],
            payload={
                "city": "Berlin",
                "text": "フルテキストインデックスのトークナイザー、説明を見る限りだと日本語に対してまともに機能するか疑わしい",
            },
        ),
        PointStruct(
            id=2,
            vector=[0.19, 0.81, 0.75, 0.11],
            payload={"city": ["Berlin", "London"], "text": "foo bar baz"},
        ),
        PointStruct(
            id=3,
            vector=[0.36, 0.55, 0.47, 0.94],
            payload={
                "city": ["Berlin", "Moscow"],
                "text": "フルテキスト インデックス の トークナイザー、 説明を見る限りだと 日本語に対して まともに機能するか疑わしい",
            },
        ),
        PointStruct(
            id=4,
            vector=[0.18, 0.01, 0.85, 0.80],
            payload={"city": ["London", "Moscow"]},
        ),
        PointStruct(id=5, vector=[0.24, 0.18, 0.22, 0.44], payload={"count": [0]}),
        PointStruct(id=6, vector=[0.35, 0.08, 0.11, 0.44]),
    ],
)

# search_result = client.search(
#     collection_name="test_collection", query_vector=[0.2, 0.1, 0.9, 0.7], limit=3
# )
# print(search_result)


# search_result = client.search(
#     collection_name="test_collection",
#     query_vector=[0.2, 0.1, 0.9, 0.7],
#     query_filter=Filter(
#         must=[FieldCondition(key="city", match=MatchValue(value="London"))]
#     ),
#     limit=3,
# )
# print(search_result)

# search_result = client.search(
#     collection_name="test_collection",
#     query_vector=[0.2, 0.1, 0.9, 0.7],
#     query_filter=Filter(must=[FieldCondition(key="text", match={"text": "foo"})]),
#     limit=3,
# )
# print(search_result)

# search_result = client.search(
#     collection_name="test_collection",
#     query_vector=[0.2, 0.1, 0.9, 0.7],
#     query_filter=Filter(must=[FieldCondition(key="text", match={"text": "ルテ"})]),
#     limit=3,
# )
# pprint.pprint(search_result)
# """
# [ScoredPoint(id=1, version=0, score=1.273, payload={'city': 'Berlin', 'text': 'フルテキストインデックスのトークナイザー、説明を見る限りだと日本語に対してまともに機能するか疑わしい'}, vector=None),
#  ScoredPoint(id=3, version=0, score=1.208, payload={'city': ['Berlin', 'Moscow'], 'text': 'フルテキスト インデックス の トークナイザー、 説明を見る限りだと 日本語に対して まともに機能するか疑わしい'}, vector=None)]
# """

search_result = client.search(
    collection_name="test_collection",
    query_vector=[0.2, 0.1, 0.9, 0.7],
    query_filter=Filter(must=[FieldCondition(key="text", match={"text": "本"})]),
    limit=3,
)
pprint.pprint(search_result)
"""
[ScoredPoint(id=1, version=0, score=1.273, payload={'city': 'Berlin', 'text': 'フルテキストインデックスのトークナイザー、説明を見る限りだと日本語に対してまともに機能するか疑わしい'}, vector=None),
 ScoredPoint(id=3, version=0, score=1.208, payload={'city': ['Berlin', 'Moscow'], 'text': 'フルテキスト インデックス の トークナイザー、 説明を見る限りだと 日本語に対して まともに機能するか疑わしい'}, vector=None)]
"""