用途：qdrant-patterns 用于在 RAG 工作流中存储与检索文档，实现持久记忆、研究资料存储和语义搜索。
主要能力：通过 qdrant MCP 服务器工具提供两项能力——qdrant-store 自动嵌入并存储信息；qdrant-find 对已存信息做语义搜索，返回语义最相近的内容。嵌入由 fastembed 模型处理。集合名通过环境变量 COLLECTION_NAME 配置，默认值为 ${WORKSPACE_PROFILE:-default}_memories，从而按工作区隔离，每个 profile 拥有独立集合。
使用方式：存储时调用 qdrant-store，提供 Information 与 Metadata；建议元数据始终包含 source、type、harvested_at、tags，可选 project、language、version、summary。查询时调用 qdrant-find，用自然语言、尽量具体的查询描述所需内容。典型 RAG 流程为：先用 qdrant-find 检查已有知识，依据 harvested_at 判断时效；若不足则抓取新内容并提取要点，用 qdrant-store 附带元数据存入；回答或实现功能时再检索相关文档，将靠前结果作为上下文并引用元数据来源。
适用场景：需要跨会话保留研究资料、为问答或功能实现补充上下文、按语义而非关键词查找已存资料的场景。
限制与注意：资料未说明除上述两项工具外的能力，也未提供安装步骤、依赖版本或收费信息。资料建议每条存储聚焦单一主题、保持一致的元数据模式、加入足够上下文使条目可独立使用，并用描述性标签便于过滤。