在QdrantVectorStore中使用本地fastembed稀疏模型的方法如下：

1. 首先，确保你已经将Fastembed库下载到离线环境中。
2. 然后，从Fastembed库中获取稀疏模型的文件路径。例如，如果你使用的是prithivida/Splade_PP_en_v1,那么文件路径可能是/path/to/your/local/fastembed/models/prithivida/Splade_PP_en_v1。
3. 在创建QdrantClient时，设置SPARSE_MODEL参数为本地稀疏模型的文件路径。

以下是一个示例代码：

from qdrant_client import QdrantClient, models

class HybridQdrantClient:
    DEFAULT_HOST = "[http://localhost:6333](http://localhost:6333)"
    DENSE_MODEL = "BAAI/bge-large-en-v1.5"
    SPARSE_MODEL = "/path/to/your/local/fastembed/models/prithivida/Splade_PP_en_v1"
    CACHE_DIR = "/data/models/fastembed_cache/"

# 创建QdrantClient示例

client = QdrantClient(host=HybridQdrantClient.DEFAULT_HOST)

这样，你就可以在QdrantVectorStore中使用本地Fastembed稀疏模型进行混合Qdrant搜索了。