我想尝试将我现有的qdrant vector数据库添加到一个chatGPT项目的langchain中。然而，我似乎无法找到一种方法来初始化Qdrant对象而不提供文档和嵌入，这对我来说似乎很奇怪，因为我应该能够简单地提供我的数据库URL，因为文档和嵌入已经存在于数据库中，就像我通过qdrant python客户端进行交互时一样：

QdrantClient(host=host, port=port)

在official langchain documentation中，我只能找到在加载对象时必须提供数据的示例，如下所示：

url = "<---qdrant url here --->"
qdrant = Qdrant.from_documents(
     docs,
     embeddings,
     url,
     collection_name="my_documents",
)

他们的文件还指出：
Qdrant.from_texts和Qdrant.from_documents方法都很适合在Langchain中使用Qdrant。在以前的版本中，每次调用它们中的任何一个时都会重新创建集合。这种行为已经改变。当前，如果集合已经存在，则将重用它。将force_recreate设置为True允许删除旧集合并从头开始。
我觉得很奇怪，因为这个集合正在被重用（正如我所希望的），但我仍然必须提供文档和嵌入。
我还检查了qdrants official documentation，他们提供了一个半解决方案，我“只”提供嵌入：

import qdrant_client

embeddings = HuggingFaceEmbeddings(
    model_name="sentence-transformers/all-mpnet-base-v2"
)

client = qdrant_client.QdrantClient(
    "<qdrant-url>",
    api_key="<qdrant-api-key>", # For Qdrant Cloud, None for local instance
)

doc_store = Qdrant(
    client=client, collection_name="texts", 
    embeddings=embeddings,
)

如果有人对此有解决方案，我很乐意得到一些帮助。