LlamaIndex结合Qdrant向量存储报错：Node content not found in metadata

问题原因 #

你遇到的Node content not found in metadata错误，是因为LlamaIndex JS版从Qdrant加载数据时，默认期望payload里包含可识别的内容字段（比如content）和规范的metadata结构，而你当前存入Qdrant的点只包含text字段，没有符合要求的metadata映射。

解决办法 #

1. 重新向Qdrant添加点时补充规范结构 #

如果还能重新导入数据，在构造payload时明确添加content字段（LlamaIndex默认识别）和metadata对象，示例：

{
  id: 15,
  vector: documentEmbeddings[0],
  payload: {
    content: essay, // 核心内容字段，LlamaIndex会以此作为Node的content
    metadata: {
      // 自定义元数据，比如文档标题、来源等
      title: "你的文档标题",
      source: "文档来源"
    },
    text: essay // 保留原字段也不影响，可选
  }
}

2. 对已存在的Qdrant数据配置字段映射 #

如果不想重新导入数据，可以在初始化QdrantVectorStore时，通过payloadKeyMap指定字段映射，告诉LlamaIndex用现有payload里的text作为内容，同时指定metadata的位置：

import { QdrantVectorStore } from "llamaindex";

// 初始化Qdrant向量存储时配置字段映射
const vectorStore = new QdrantVectorStore({
  url: "http://your-qdrant-host:6333",
  collectionName: "你的集合名称",
  payloadKeyMap: {
    contentField: "text", // 映射payload里的text字段为Node的content
    metadataField: "metadata" // 如果payload里已有metadata字段，指定它；如果没有可以留空或自定义
  }
});

// 之后再创建index和查询引擎
let index = await VectorStoreIndex.fromVectorStore(vectorStore);
const retriever = index.asRetriever();
const queryEngine = index.asQueryEngine({ retriever });

3. 手动处理Retrieve返回的节点（应急方案） #

如果上述两种方式都无法快速生效，可以在retrieve后手动给节点补充content和metadata：

const nodesWithScore = await retriever.retrieve({ query: "query string" });
// 手动处理每个节点
const processedNodes = nodesWithScore.map(item => {
  const node = item.node;
  // 从payload的text字段提取内容
  node.content = node.metadata.text || node.payload.text;
  // 补充metadata
  node.metadata = {
    ...node.metadata,
    // 这里可以添加或修改元数据
    source: "Qdrant Collection"
  };
  return { ...item, node };
});

// 之后可以用processedNodes来构建自定义查询逻辑

内容的提问来源于stack exchange，提问作者Lukasz Wierzgon