Qdrant

Daten

Neotask gibt Ihnen über OpenClaw 2 Vektordatenbank-Aktionen — beliebige Inhalte als Vektor-Embeddings in Qdrant speichern und semantisch ähnliche Inhalte abrufen.

Was Sie tun können

Die Qdrant-Integration gibt Neotask 2 Vektordatenbank-Aktionen zum semantischen Speichern und Abrufen von Informationen.

  • `qdrant-store` — beliebige Inhalte als Vektor-Embedding mit Metadaten und Collection-Zuweisung in Qdrant speichern
  • `qdrant-find` — Qdrant nach Inhalten durchsuchen, die einer Abfrage semantisch ähnlich sind, und die relevantesten gespeicherten Einträge zurückgeben

    • Jede Aktion läuft autonom oder erfordert Ihre Genehmigung — Sie entscheiden.

    Fragen Sie zum Beispiel

  • "Speichere die Ergebnisse des heutigen Strategiemeetings in Qdrant unter der 'Entscheidungen'-Collection"
  • "Finde alles, was wir in Qdrant zu unserer Preisstrategie-Entscheidungen gespeichert haben"
  • "Durchsuche unsere Wissensbasis nach Inhalten ähnlich zu 'Enterprise-Onboarding-Herausforderungen'"
  • "Speichere dieses Kunden-Interview-Transkript in Qdrant und tagge es mit dem Kundensegment"

    • Profi-Tipps

  • Kombinieren Sie Qdrant mit jedem Agenten-Workflow, der wertvolle Ergebnisse produziert — speichern Sie Zusammenfassungen, Entscheidungen und Recherchen, damit zukünftige Agenten sie abrufen können
  • Verwenden Sie `qdrant-find` als Gedächtnisschicht für Multi-Agenten-Teams: ein Recherche-Agent speichert Ergebnisse und ein Synthese-Agent ruft sie ab und kombiniert sie
  • Bauen Sie semantische Suche in Kundensupport-Workflows ein — Ihr Agent findet die relevantesten vergangenen Lösungen, bevor er eine neue Antwort generiert
  • Collections ermöglichen die Organisation von Wissen nach Domäne: separate Collections für Produktentscheidungen, Kundeneinblicke, Engineering-Muster und Marktforschung