AI Stack : Qdrant + Claude Ollama

1. Quoi ? — Définition et contexte

L’AI Stack fournit les services d’intelligence artificielle à l’infrastructure. Elle combine une base de données vectorielle pour le RAG et une passerelle API multi-modèles.

Composants

Service	Port	Rôle
Qdrant	6333	Base de données vectorielle (embeddings, recherche sémantique)
Claude Ollama	11434	Passerelle API compatible Ollama vers Claude, Codex, Gemini
claude-redis	6379	Cache des sessions et états d’approbation

Base vectorielle

Une base de données vectorielle stocke du texte sous forme de vecteurs numériques (embeddings). Cela permet de trouver des documents “similaires” sémantiquement, pas juste par mots-clés. C’est la base du RAG.

Architecture visuelle

┌─────────────────────────────────────────────────────────┐
│              N8N Workflows                               │
│  ├─ Intent detection (Telegram)                         │
│  ├─ RAG queries (knowledge base)                        │
│  └─ Approval callbacks                                  │
└────────────────────┬────────────────────────────────────┘
                     │
                     ▼
┌─────────────────────────────────────────────────────────┐
│                ai-internal network                       │
│  ┌─────────────────────┐  ┌───────────────────────────┐ │
│  │       Qdrant        │  │     Claude Ollama         │ │
│  │    (port 6333)      │  │     (port 11434)          │ │
│  │                     │  │                           │ │
│  │  - Collections      │  │  - Claude models          │ │
│  │  - Embeddings       │  │  - Codex models           │ │
│  │  - Vector search    │  │  - Gemini models          │ │
│  │                     │  │  - YOLO vs approval       │ │
│  └─────────────────────┘  └───────────────────────────┘ │
│                                       │                  │
│                              ┌────────┴────────┐        │
│                              ▼                 ▼        │
│                         claude-redis      Subprocess    │
│                         (sessions)        (CLI calls)   │
└─────────────────────────────────────────────────────────┘

---

2. Pourquoi ? — Enjeux et motivations

Objectifs de l’AI Stack

Objectif	Solution
Pas de vendor lock-in	Interface compatible Ollama, backends interchangeables
RAG local	Qdrant self-hosted, données non envoyées vers le cloud
Multi-modèles	Claude, Codex, Gemini accessibles via la même API
Contrôle des exécutions	Workflow d’approbation pour les actions sensibles

Modèles supportés par Claude Ollama

Modèle	Provider	Comportement
claude-sonnet-4-20250514	Claude	Avec approbation
claude-haiku	Claude	Avec approbation
claude-opus	Claude	Avec approbation
claude-*-yolo	Claude	Exécution directe
codex-max	OpenAI	Avec approbation
codex-*-yolo	OpenAI	Mode full-auto
gemini-flash	Google	Avec approbation
gemini-*-yolo	Google	Mode yolo
auto	Router	Opus sélectionne le modèle optimal

Mode YOLO

Les modèles avec le suffixe -yolo exécutent les requêtes sans demander d’approbation. Utile pour les tâches automatisées de confiance, mais à utiliser avec précaution.

Cas d’usage prévus avec RAG

À terme : RAG hybride sur documentation interne

Source	Type	Usage
Obsidian vault	Notes personnelles	Recherche dans la base de connaissances
Documentation projets	Markdown technique	Contextualiser les questions sur l’infra
Historique workflows	JSON N8N exportés	Trouver des patterns similaires

---

3. Comment ? — Mise en œuvre technique

Qdrant : Gestion des collections

# Lister les collections
curl http://localhost:6333/collections | jq '.result.collections'

# Créer une collection
curl -X PUT http://localhost:6333/collections/documents \
  -H "Content-Type: application/json" \
  -d '{
    "vectors": {
      "size": 1536,
      "distance": "Cosine"
    }
  }'

# Recherche vectorielle
curl http://localhost:6333/collections/documents/points/search \
  -H "Content-Type: application/json" \
  -d '{
    "vector": [0.1, 0.2, ...],
    "limit": 5
  }'

Embeddings

Qdrant ne génère pas les embeddings, il les stocke et les recherche. Utilisez l’API OpenAI (text-embedding-3-small) ou un modèle local pour créer les vecteurs.

Appel Qdrant depuis N8N

// HTTP Request : Recherche dans une collection
{
  "url": "http://qdrant:6333/collections/knowledge/points/search",
  "method": "POST",
  "body": {
    "vector": "{{ $json.embedding }}",
    "limit": 10,
    "with_payload": true
  }
}

Workflow d’approbation Claude Ollama

Requête (non-YOLO)
        │
        ▼
┌─────────────────────────────────────────┐
│    Claude Ollama reçoit la requête      │
│    ├─ Génère un plan d'exécution        │
│    ├─ Envoie webhook N8N                │
│    └─ Attend approbation (timeout 5min) │
└───────────────────────┬─────────────────┘
                        │
                        ▼
┌─────────────────────────────────────────┐
│    N8N Telegram Orchestrator            │
│    ├─ Affiche le plan via Telegram      │
│    └─ Boutons [Approve] [Reject]        │
└───────────────────────┬─────────────────┘
                        │
        ┌───────────────┴───────────────┐
        ▼                               ▼
    Approved                        Rejected
        │                               │
        ▼                               ▼
  Exécution réelle               Réponse "Rejected"
        │
        ▼
  Retour du résultat

API Questions interactives

Claude Ollama détecte quand un modèle pose une question et la route vers Telegram :

# Lister les questions en attente
curl http://claude-ollama:11434/api/questions

# Répondre à une question
curl -X POST http://claude-ollama:11434/api/questions/q_abc123/answer \
  -d '{"selected_options": [0, 2]}'

Exemple d’appel depuis N8N

// Intent detection pour Telegram Orchestrator
{
  "url": "http://claude-ollama:11434/api/generate",
  "method": "POST",
  "body": {
    "model": "claude-sonnet-4-20250514",
    "prompt": `Analyse ce message Telegram et retourne un JSON:
      - intent: docker|help|chat|unknown
      - entities: {stack?, action?}
      Message: ${message}`,
    "stream": false
  }
}

Pattern RAG avec Qdrant

// 1. Générer embedding du query (via OpenAI ou modèle local)
// 2. Recherche Qdrant
const qdrantResults = await searchQdrant(query);

// 3. Enrichir le prompt Claude avec les résultats
{
  "model": "claude-sonnet-4-20250514",
  "prompt": `Contexte:\n${qdrantResults}\n\nQuestion: ${userQuery}`,
  "stream": false
}

Ressources système

Service	Memory	CPU	Stockage
Qdrant	4 GB	2 vCPU	~1 GB (dépend des collections)
Claude Ollama	4 GB	2 vCPU	Minimal
claude-redis	512 MB	0.5 vCPU	~100 MB

Pas de GPU

Cette stack n’utilise pas de GPU. Claude Ollama appelle les API cloud via des subprocesses CLI. Qdrant fait des calculs vectoriels CPU uniquement.

---

4. Et si ? — Perspectives et limites

Limites actuelles

Limite	Impact	Mitigation
Qdrant non peuplé	Pas de RAG actif actuellement	Prévu avec import Obsidian
Embeddings via API externe	Dépendance OpenAI pour les vecteurs	Modèle local envisageable
Pas de GPU	Pas de modèle local lourd	Suffisant pour les appels API

Scénarios d’évolution

Si le RAG est activé avec Obsidian :

• Import automatique des notes via N8N workflow
• Collection dédiée obsidian-knowledge
• Recherche contextuelle dans les conversations Telegram

Si besoin de modèles locaux :

• Ajouter un serveur avec GPU
• Déployer Ollama réel avec Llama 3 ou Mistral
• Claude Ollama route vers le modèle local selon le prompt

Si les coûts API augmentent :

• Caching des réponses fréquentes (Redis)
• Utiliser les modèles -yolo pour les tâches non critiques
• Router les requêtes simples vers Haiku (moins cher)

Si besoin de multi-tenant :

• Collections Qdrant par projet/client
• Namespaces dans Claude Ollama
• Isolation des credentials

Commandes de dépannage

# Qdrant health
curl http://localhost:6333/healthz
docker logs ai-stack-qdrant-1 --tail 50

# Claude Ollama health
curl http://localhost:11434/api/tags
docker logs ai-stack-claude-ollama-1 --tail 50

# Approbations en attente
curl http://claude-ollama:11434/api/approvals

# Test webhook N8N
curl -X POST http://n8n:5678/webhook/claude/approval \
  -H "Content-Type: application/json" \
  -d '{"test": true}'

---

Pages liées

Infrastructure

• Architecture VPS — Vue d’ensemble
• N8N en mode Queue — Intégration workflows

Workflows

• Telegram Orchestrator — Bot utilisant Claude
• Notification Hub — Routage des alertes IA

Référence

• Glossaire — RAG, Embeddings, Vector Database, LLM