qdrant 当前版本（v1.7.x 及更早）不支持直接使用 datetime 对象进行范围过滤，需将时间转换为 unix 时间戳（整型秒或毫秒）后，通过 range 过滤器进行数值比较。
qdrant 当前版本（v1.7.x 及更早）不支持直接使用 datetime 对象进行范围过滤，需将时间转换为 unix 时间戳（整型秒或毫秒）后，通过 range 过滤器进行数值比较。
在 Qdrant 中，所有字段过滤均基于底层存储的数据类型，而时间戳字段（如 "timestamp"）在向量点（point）元数据中必须以数值形式（int 或 float）存储，才能被 range 过滤器正确解析。直接传入 Python 的 datetime 对象会导致类型校验失败，抛出类似 Input should be a valid number 的 Pydantic 错误。
✅ 正确做法是：统一使用 Unix 时间戳（毫秒级整数）表示时间，并确保写入与查询时类型一致。
1. 写入数据时：将 datetime 转为毫秒时间戳
from datetime import datetime
from qdrant_client import QdrantClient
from qdrant_client.models import PointStruct, Payload
# 示例：构造带时间戳的点
dt = datetime(2024, 2, 22, 10, 4, 28, 658690)
timestamp_ms = int(dt.timestamp() * 1000) # 转为毫秒级整数（推荐，精度更高）
point = PointStruct(
id=1,
vector=[0.1, 0.2, 0.3],
payload={
"text": "log entry",
"timestamp": timestamp_ms # ✅ 存为 int
}
)
qdrant_client = QdrantClient("http://localhost:6333")
qdrant_client.upsert(collection_name="logs", points=[point])2. 查询时：同样使用毫秒时间戳构建 range 过滤器
from datetime import datetime
# 构造查询起始时间
start_dt = datetime(2024, 2, 22, 10, 0, 0)
start_ts_ms = int(start_dt.timestamp() * 1000)
# 构建过滤查询（gte: 大于等于该时间）
query_filter = {
"bool": {
"filter": [
{
"range": {
"timestamp": {"gte": start_ts_ms}
}
}
]
}
}
# 执行向量搜索（带过滤）
search_result = qdrant_client.search(
collection_name="logs",
query_vector=[0.1, 0.2, 0.3],
query_filter=query_filter,
limit=10
)⚠️ 关键注意事项
- 单位一致性：务必统一使用「毫秒」（推荐）或「秒」，但不能混用；Qdrant 本身无时间单位概念，仅做数值比较。
- 字段类型预设：确保 collection schema 中 timestamp 字段未被错误声明为 string；若使用 create_collection，无需显式声明基础类型（Qdrant 自动推断），但 payload 中值必须为 int/float。
- 时区处理：datetime.timestamp() 默认基于本地时区转换；如需 UTC 时间，请使用 datetime.utcnow().timestamp() 或更安全的 datetime.now(timezone.utc).timestamp()（Python 3.9+）。
- 未来兼容性：Qdrant v1.8.0 将原生支持 datetime 类型字段及 ISO 格式字符串过滤（如 "2024-02-22T10:04:28.658Z"），但当前稳定版仍需手动转换。
✅ 总结
只要坚持「写入用毫秒整数、查询用毫秒整数」这一原则，即可在现有 Qdrant 版本中稳健实现高精度时间范围过滤。该方案性能优异、零依赖、完全兼容 SDK 各版本，是生产环境中的标准实践。
