1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | qdrant-scaling-qdrant-skills | — |
| 项目自述名称 | SKILL.md 中自身命名为 qdrant-scaling |
GitHub |
| 作者/维护者 | Qdrant 官方（qdrant/skills 仓库）；该子技能提交历史中可见 Qdrant CTO Andrey Vasnetsov（GitHub 账号 generall）本人参与 |
GitHub API |
| 来源链接 | https://github.com/qdrant/skills/tree/main/skills/qdrant-scaling | — |
| 许可证 | Apache License 2.0 | GitHub API |
| GitHub Stars / Forks | 所属仓库 208★ / 23 forks（该数字属于整个 Qdrant Agent Skills 合集,不代表本子技能个体热度,仅供了解所属仓库规模） | GitHub API |
| 最新版本 | 仓库整体 v0.1.0（2026-03-30 发布）；本子技能最近一次提交 2026-07-16（自动化链接修复),最近一次人工内容修订 2026-06-16 | GitHub API |
| 安装方式 | 见第 10 章 | 官方 README |
2. 功能介绍与亮点
qdrant-scaling 是 Qdrant 官方技能合集中专门指导集群扩容决策的参考型 skill。它以“路由”结构组织：先帮 agent 判断当前问题属于数据量、查询吞吐（QPS）、查询延迟还是查询返回量中的哪一种,再分流到对应的深度指南——数据量扩容下又细分水平扩容、垂直扩容、按租户扩容、滑动时间窗四种具体策略。
主要亮点：
- 每个分支给出可直接落地的配置参数（如
default_segment_number、量化always_ram=true、optimizer_cpu_budget、replication_factor）,而非泛泛的原则性建议 - 明确指出吞吐与延迟是相反的调优方向,避免 agent 用同一套参数同时优化两者导致矛盾
- 每节附“不该做什么”清单,记录容易被误用的调优技巧（如磁盘 IO 受限时不该继续加小分段)
- 纯本地静态 Markdown 内容,不依赖运行时联网抓取,离线也可使用（与需要联网取数的入口技能
qdrant-advisor不同) - 内容持续演进：4 个月内 24 次提交、2 个已合并 PR 专门针对扩容内容,并已被 GitHub 官方维护的 Copilot 技能合集仓库
awesome-copilot同步收录
3. 适用场景
所属分类：DevOps 与基础设施。适合已用 Claude Code、Codex 等 agent 运维 Qdrant 集群的工程师与 SRE,在生产环境遇到“要不要加节点”“怎么分片”“QPS 上不去”“单条查询延迟高”“租户太多导致资源浪费”等扩容决策时,让 agent 先诊断瓶颈类型再给出对应策略,避免凭直觉加机器或误用与目标相反的调优方向。
4. 跨 Agent 兼容性
- Claude Code：原生支持——官方仓库 README 的 Installation 表格列出
~/.claude/skills/目录,并提供插件市场一条命令安装路径 - Codex：原生支持——同一张表格明确列出 OpenAI Codex 及其技能目录
~/.codex/skills/ - OpenClaw：支持——仓库 README 指定的安装工具（
npx skills/ vercel-labs/skills）源码中显式列出 OpenClaw 为受支持 agent,探测~/.openclaw、~/.clawdbot、~/.moltbot三种数据目录并安装到对应skills/子目录 - Hermes Agent：支持——同一安装器源码中列出
hermes-agent专属配置项,探测~/.hermes目录并安装到~/.hermes/skills
5. 推荐理由
Qdrant 官方出品、CTO 亲自参与维护的集群扩容决策参考技能,把“要不要加节点”“该选哪种扩容策略”这类容易凭经验拍脑袋的问题,转化为按瓶颈类型分流的结构化决策路径,并给出具体可执行的配置参数,帮助 agent 做出更准确的容量规划建议,而不是无差别地建议“加机器”。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 该子技能自身 4 个月内 24 次提交,多位贡献者（含 CTO 本人）参与,另有 2 个专属 PR 已合并；内容已被第三方合集仓库 awesome-copilot 同步收录；所属仓库 208★ 仅供背景参考,不计入本技能个体评分 |
| 可用性 | 9 | 整包一条命令或手动复制目录即可安装；内容含具体配置参数与“不该做什么”清单,可直接落地；近期持续维护；无付费依赖 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：
① 执行 shell 命令——不涉及,front matter 声明的 allowed-tools 仅为 Read/Grep/Glob,无 Bash 执行权限
② 联网外发数据——不涉及,内容为本地静态参考文档,文中外部链接指向 Qdrant 官方文档镜像站,由使用者自行选择是否访问
③ API key/凭据——不需要,纯扩容建议类内容
④ 可疑指令——检查 SKILL.md 及全部嵌套子文件原文,未见 prompt injection 或混淆代码迹象
⑤ 作者信誉——Qdrant 官方组织出品,CTO 本人具名参与提交
⑥ License——Apache-2.0,明确
⑦ 维护时间——近期仍有提交,非弃置项目
综合评分：8.3（三项均值）
7. 跟同类 Skills 相比的优势
| 项目 | 定位 | 与 qdrant-scaling 的差异 |
|---|---|---|
| pgvector-semantic-search（timescale/pg-aiguide） | 面向 PostgreSQL + pgvector 扩展的检索与容量规划参考 | 容量规划只是其中一部分内容,依附于通用关系数据库扩展,不覆盖专用向量数据库特有的分片、量化、多租户隔离等扩容手段 |
| 全托管向量数据库（如 Pinecone） | 索引构建、分片、副本、负载均衡均由平台自动完成 | 用户无需做扩容决策,但代价是失去对分片策略、资源分配的控制权；qdrant-scaling 面向的正是自托管场景下“扩容怎么选”这一决策空白 |
qdrant-scaling 的差异化在于专门针对一个开源、可自托管的向量数据库,把扩容拆解为数据量、吞吐、延迟、查询量四个独立且有时相互冲突的优化目标,并给出每个目标对应的具体参数与反例,而不是笼统的“数据库调优指南”或依赖平台黑盒自动扩容。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
该子技能所属的 qdrant/skills 合集共含 10 个静态专项技能（涵盖 SDK 使用、搜索质量、性能优化、监控、多租户、部署选型、模型迁移、版本升级等）与 1 个动态入口技能（qdrant-advisor）。
10. 安装使用方式
- npx（完整安装,含本技能在内的全部专项技能）：
npx skills add qdrant/skills - Claude Code 插件市场：
/plugin marketplace add qdrant/skills,再/plugin install qdrant@qdrant - 手动安装：clone 仓库后,将
skills/qdrant-scaling/整个目录（含其 4 个嵌套子目录）复制到对应 agent 的技能目录——Claude Code 为~/.claude/skills/,Codex 为~/.codex/skills/,OpenClaw 为~/.openclaw/skills/,Hermes Agent 为~/.hermes/skills/ - 注意事项：安装后无需重启,下次对话涉及 Qdrant 集群扩容决策时会自动触发；纯本地静态内容,运行时不需要网络连接
11. 注意事项
- 该技能随整包一起安装最省事；若只想要这一个专项技能,需手动挑选目录复制——官方 npx CLI 未对此类静态子技能提供单独安装参数
- 内容假设使用者已部署 Qdrant 并具备基本集群运维经验,不含 Qdrant 入门教程
- 仓库整体仍处于早期版本（v0.1.0）,作者在文档中声明内容与结构可能随版本演进调整