复现Qdrant+n8n文档示例遇400错误，求解决方案

DevOps 小满

2026-6-26

解决n8n Qdrant Vector Store节点"Not existing vector name"报错问题

这个报错的核心原因是：n8n的Qdrant Vector Store节点期望的向量配置，和你手动在Qdrant创建的集合不匹配——节点默认会使用特定的向量名（比如对应OpenAI嵌入模型的text-embedding-ada-002），但你创建的集合没有配置这个向量字段，或者向量名称、维度等参数不匹配。

以下是具体解决思路：

先确认n8n节点的向量配置
打开n8n里的Qdrant Vector Store节点，查看「Embedding Model」：如果用的是OpenAI的text-embedding-ada-002，对应的默认向量名是text-embedding-ada-002；如果是自定义嵌入模型，找到节点的「Vector Name」输入框（部分版本藏在高级设置里），记下这个名称和对应的向量维度。
在Qdrant创建完全匹配的集合
登录Qdrant仪表板创建新集合时，必须严格对齐n8n的配置：
1. 向量维度要和嵌入模型一致（比如text-embedding-ada-002是1536维）；
2. 向量名称必须和n8n节点里的「Vector Name」完全一致（注意大小写）；
3. 距离度量保持和n8n默认一致（一般是余弦相似度Cosine）。
  若用API创建集合，示例请求如下：
```
PUT /collections/your-collection-name
{
  "vectors": {
    "text-embedding-ada-002": {
      "size": 1536,
      "distance": "Cosine"
    }
  }
}
```
核对n8n节点的集合参数
确保n8n节点里填写的「Collection Name」和Qdrant中创建的集合名完全一致；如果用Qdrant Cloud，确认API密钥、集群URL正确，且集合属于对应集群。
调试验证配置匹配性
用Qdrant API查询集合的向量配置，确认是否和n8n节点要求一致：
```
curl -X GET https://your-qdrant-url/collections/your-collection-name
```
检查返回结果中的vectors字段，是否包含n8n节点使用的向量名。
懒人方案：让n8n自动创建集合
打开n8n Qdrant节点的高级设置，勾选「Auto Create Collection」选项——n8n会根据节点的嵌入模型配置，自动创建符合要求的集合，避免手动配置出错。