ColPali是一种视觉模型，支持在图像中进行文本搜索，快速定位PDF中的相关页面。为降低计算需求，开发了可量化的onnx版本。Vision RAG通过将图像存储为多向量嵌入，简化信息检索，避免了传统RAG的文本分块问题。使用EmbedAnything库，可以将PDF转换为多向量嵌入并计算查询相似度。

MUVERA是FastEmbed的后处理模块，旨在优化多向量嵌入以提升搜索性能。它将可变长度的向量序列转换为固定维度的单向量表示，结合快速检索与高精度重排序，适用于大规模文档集合。尽管需要更多存储，但显著提高了检索速度。MUVERA与Qdrant结合使用，支持高效的多阶段查询，适合生产系统。

本文介绍了如何在Qdrant中配置多向量嵌入以实现高效搜索，包括使用MaxSim进行多向量搜索的配置、文档索引和查询执行。强调了存储优化策略，如将向量卸载到磁盘以减少内存占用并提高查询延迟。后续模块将扩展到多模态数据的搜索。