在向量搜索中，过滤（Filtering） 是保证结果精准性和业务契合度的关键手段。
Qdrant 的过滤机制不仅能在向量相似度检索的基础上叠加结构化条件，还提供了灵活的布尔逻辑组合，让我们可以像写数据库查询一样，精准控制搜索范围。
本文将深入解析 Qdrant 的过滤规则，并结合 Python 实例演示 must、should、must_not 的用法。
1. 过滤机制的意义
向量检索只考虑语义相似度，但在实际业务中往往需要额外的约束：
电商：只展示“价格低于 1000 元”的笔记本
招聘：只匹配“3 年以上经验”的候选人
地图搜索：只返回“当前城市”的餐厅
Qdrant 的 Filtering 就是为这些结构化条件而生的。
2. 三大核心关键字
2.1 must — 必须满足的条件（AND）
定义：列表中的所有条件都必须成立。
逻辑：等价于 AND。
JSON 示例：
"filter": {
"must": [
{ "key": "city", "match": { "value": "London" } },
{ "key": "price", "range": { "lte": 1000 } },
{ "key": "brand", "match": { "value": "Apple" } }
]
}解释：只返回满足
city = London 且 price ≤ 1000 且 brand = Apple 的结果。
Python 实操：
from qdrant_client import QdrantClient
from qdrant_client.models import Filter, FieldCondition, MatchValue, Range
client = QdrantClient("localhost", port=6333)
search_result = client.search(
collection_name="products",
query_vector=[0.1, 0.2, 0.3, 0.4],
limit=5,
query_filter=Filter(
must=[
FieldCondition(key="city", match=MatchValue(value="London")),
FieldCondition(key="price", range=Range(lte=1000)),
FieldCondition(key="brand", match=MatchValue(value="Apple"))
]
)
)
print(search_result)2.2 should — 可选条件（OR / 排序加权）
定义：
有 must 时：should 条件不满足也会返回，但满足的结果会排前。
无 must 时：should 至少要有一个条件成立（OR 逻辑）。
JSON 示例：must + should
"filter": {
"must": [
{ "key": "city", "match": { "value": "London" } }
],
"should": [
{ "key": "brand", "match": { "value": "Apple" } }
]
}解释：必须在伦敦；Apple 品牌排前，不是 Apple 也会返回。
Python 实操：
from qdrant_client.models import ShouldCondition
search_result = client.search(
collection_name="products",
query_vector=[0.1, 0.2, 0.3, 0.4],
limit=5,
query_filter=Filter(
must=[FieldCondition(key="city", match=MatchValue(value="London"))],
should=[FieldCondition(key="brand", match=MatchValue(value="Apple"))]
)
)2.3 must_not — 排除条件（NOT）
定义：列表中的条件必须全部不成立。
逻辑：等价于 NOT。
JSON 示例：
"filter": {
"must_not": [
{ "key": "brand", "match": { "value": "Asus" } }
]
}解释：排除 Asus 品牌。
Python 实操：
search_result = client.search(
collection_name="products",
query_vector=[0.1, 0.2, 0.3, 0.4],
limit=5,
query_filter=Filter(
must_not=[FieldCondition(key="brand", match=MatchValue(value="Asus"))]
)
)3. min_should 高级用法
min_should 可要求 should 中必须满足最少数量。
JSON 示例：至少满足 2 个特性
"filter": {
"should": [
{ "key": "feature", "match": { "value": "touchscreen" } },
{ "key": "feature", "match": { "value": "ssd" } },
{ "key": "feature", "match": { "value": "backlit_keyboard" } }
],
"min_should": {
"min_count": 2
}
}Python 实操：
from qdrant_client.models import Filter, FieldCondition, MatchValue, MinShould
search_result = client.search(
collection_name="products",
query_vector=[0.1, 0.2, 0.3, 0.4],
limit=5,
query_filter=Filter(
should=[
FieldCondition(key="feature", match=MatchValue(value="touchscreen")),
FieldCondition(key="feature", match=MatchValue(value="ssd")),
FieldCondition(key="feature", match=MatchValue(value="backlit_keyboard"))
],
min_should=MinShould(min_count=2)
)
)4. 总结
must = 全部必须成立（AND）
should = 无 must 时是 OR；有 must 时影响排序
must_not = 必须全部不成立（NOT）
min_should = 要求 should 中命中的最小数量
在实际业务中，可以先用简单的 must / should / must_not 组合调试逻辑，再引入嵌套和 min_should 做更复杂的检索策略。