在向量搜索中，過濾（Filtering） 是保證結果精準性和業務契合度的關鍵手段。

Qdrant 的過濾機制不僅能在向量相似度檢索的基礎上疊加結構化條件，還提供了靈活的布爾邏輯組合，讓我們可以像寫數據庫查詢一樣，精準控制搜索范圍。

本文將深入解析 Qdrant 的過濾規則，并結合 Python 實例演示 must、should、must_not 的用法。

---

1. 過濾機制的意義

向量檢索只考慮語義相似度，但在實際業務中往往需要額外的約束：

• 電商：只展示“價格低于 1000 元”的筆記本

• 招聘：只匹配“3 年以上經驗”的候選人

• 地圖搜索：只返回“當前城市”的餐廳

Qdrant 的 Filtering 就是為這些結構化條件而生的。

---

2. 三大核心關鍵字

2.1 must — 必須滿足的條件（AND）

• 定義：列表中的所有條件都必須成立。

• 邏輯：等價于 AND。

JSON 示例：

"filter": {"must": [{ "key": "city", "match": { "value": "London" } },{ "key": "price", "range": { "lte": 1000 } },{ "key": "brand", "match": { "value": "Apple" } }]
}

解釋：只返回滿足

city = London 且 price ≤ 1000 且 brand = Apple 的結果。

Python 實操：

from qdrant_client import QdrantClient
from qdrant_client.models import Filter, FieldCondition, MatchValue, Rangeclient = 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 — 可選條件（OR / 排序加權）

• 定義：

  • 有 must 時：should 條件不滿足也會返回，但滿足的結果會排前。

  • 無 must 時：should 至少要有一個條件成立（OR 邏輯）。

JSON 示例：must + should

"filter": {"must": [{ "key": "city", "match": { "value": "London" } }],"should": [{ "key": "brand", "match": { "value": "Apple" } }]
}

解釋：必須在倫敦；Apple 品牌排前，不是 Apple 也會返回。

Python 實操：

from qdrant_client.models import ShouldConditionsearch_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 — 排除條件（NOT）

• 定義：列表中的條件必須全部不成立。

• 邏輯：等價于 NOT。

JSON 示例：

"filter": {"must_not": [{ "key": "brand", "match": { "value": "Asus" } }]
}

解釋：排除 Asus 品牌。

Python 實操：

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 高級用法

min_should 可要求 should 中必須滿足最少數量。

JSON 示例：至少滿足 2 個特性

"filter": {"should": [{ "key": "feature", "match": { "value": "touchscreen" } },{ "key": "feature", "match": { "value": "ssd" } },{ "key": "feature", "match": { "value": "backlit_keyboard" } }],"min_should": {"min_count": 2}
}

Python 實操：

from qdrant_client.models import Filter, FieldCondition, MatchValue, MinShouldsearch_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. 總結

• must = 全部必須成立（AND）

• should = 無 must 時是 OR；有 must 時影響排序

• must_not = 必須全部不成立（NOT）

• min_should = 要求 should 中命中的最小數量

在實際業務中，可以先用簡單的 must / should / must_not 組合調試邏輯，再引入嵌套和 min_should 做更復雜的檢索策略。