elasticsearch-expert — скилл для Claude Code: обзор и установка
Скилл elasticsearch-expert помогает проектировать маппинги Elasticsearch, настраивать поисковые запросы, агрегации и оптимизировать работу ELK-стека.
Apache-2.0 205 установок ★ 45 обновлён 2026-10-12
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a claude-codeЧто делает elasticsearch-expert
Скилл содержит шаблоны и рекомендации по работе с Elasticsearch через официальный клиент на Python. Внутри собраны готовые структуры для создания индексов с явной типизацией полей, пакетной загрузки документов через bulk и построения поисковых запросов — от нечёткого поиска fuzzy до фильтрации через bool и ранжирования по нескольким полям с весами.
Здесь же описаны правила для аналитических выборок: агрегации по терминам, средним значениям и временным интервалам через date_histogram. Дополнительно зафиксированы антипаттерны вроде глубокой пагинации через from/size, овер-шардинга или шаблонных запросов wildcard без префикса.
Для проверки кода и запуска примеров скиллу требуется доступ к Bash с командами Python, pip и pytest.
Какие задачи решает
- настроить маппинг индекса с подходящими анализаторами текста
- составить поисковый запрос bool с фильтрами и мульти-матчем
- построить аналитические агрегации по датам и числовым метрикам
- заменить неэффективную пагинацию from/size на search_after
Примеры запросов агенту
- Помоги составить поисковый запрос bool с фильтром по дате и ранжированием заголовка
- Напиши скрипт на Python для пакетной загрузки статей через helpers.bulk
- Спроектируй маппинг индекса Elasticsearch для каталога публикаций
Как установить elasticsearch-expert
1Через Skills CLI (Vercel)
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a claude-code2Вручную: положить файлы
~/.claude/skills/elasticsearch-expert/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/elasticsearch-expert/
1Через Skills CLI (Vercel)
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a codex2Вручную: положить файлы
.agents/skills/elasticsearch-expert/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a cursor2Вручную: положить файлы
.cursor/skills/elasticsearch-expert/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install personamanagmentlayer/pcl stdlib/data/elasticsearch-expert2Вручную: положить файлы
.github/skills/elasticsearch-expert/SKILL.md1Через Skills CLI (Vercel)
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a gemini-cli2Командой платформы
gemini skills install https://github.com/personamanagmentlayer/pcl --path stdlib/data/elasticsearch-expertВручную: положить файлы
.devin/skills/elasticsearch-expert/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы об elasticsearch-expert
Как установить elasticsearch-expert в Claude Code?
Выполните в терминале команду npx skills add personamanagmentlayer/pcl --skill elasticsearch-expert -a claude-code.
Что делает скилл elasticsearch-expert?
Он даёт ассистенту практические шаблоны для создания индексов, написания запросов поиска и агрегаций в Elasticsearch, а также предупреждает о частых ошибках вроде овер-шардинга.
Какие инструменты нужны для работы скилла?
Скилл использует стандартные операции чтения и редактирования файлов, а также Bash-команды для запуска python, python3, pip и pytest.
Исходный текст
SKILL.md · Apache-2.0
---
name: elasticsearch-expert
version: 2.0.0
description: >-
Expert-level Elasticsearch, search, ELK stack, and full-text search. Use when the user
mentions search, ELK, Logstash, Kibana, or full text search.
category: data
tags: [elasticsearch, search, elk, logstash, kibana, full-text-search]
allowed-tools:
- Read
- Write
- Edit
- Bash(python:*, python3:*, pip:*, pytest:*)
---
# Elasticsearch Expert
Expert guidance for Elasticsearch, search optimization, ELK stack, and distributed search systems.
## Core Concepts
- Full-text search and inverted indexes
- Document-oriented storage
- RESTful API
- Distributed architecture with sharding
- ELK stack (Elasticsearch, Logstash, Kibana)
- Aggregations and analytics
## Index Management
```python
from elasticsearch import Elasticsearch
es = Elasticsearch(['http://localhost:9200'])
# Create index with mapping
mapping = {
"mappings": {
"properties": {
"title": {"type": "text", "analyzer": "english"},
"content": {"type": "text"},
"author": {"type": "keyword"},
"created_at": {"type": "date"},
"views": {"type": "integer"}
}
}
}
es.indices.create(index='articles', body=mapping)
# Index document
doc = {
"title": "Elasticsearch Guide",
"content": "Complete guide to Elasticsearch",
"author": "John Doe",
"created_at": "2024-01-01",
"views": 100
}
es.index(index='articles', id=1, body=doc)
# Bulk indexing
from elasticsearch.helpers import bulk
actions = [
{"_index": "articles", "_id": i, "_source": doc}
for i, doc in enumerate(documents)
]
bulk(es, actions)
```
## Search Queries
```python
# Full-text search
query = {
"query": {
"match": {
"content": "elasticsearch guide"
}
}
}
results = es.search(index='articles', body=query)
# Boolean query
bool_query = {
"query": {
"bool": {
"must": [
{"match": {"content": "elasticsearch"}}
],
"filter": [
{"range": {"views": {"gte": 100}}}
],
"should": [
{"term": {"author": "john-doe"}}
],
"must_not": [
{"term": {"status": "draft"}}
]
}
}
}
# Multi-match query
multi_match = {
"query": {
"multi_match": {
"query": "elasticsearch guide",
"fields": ["title^2", "content"], # Boost title
"type": "best_fields"
}
}
}
# Fuzzy search
fuzzy = {
"query": {
"fuzzy": {
"title": {
"value": "elasticseerch",
"fuzziness": "AUTO"
}
}
}
}
```
## Aggregations
```python
# Aggregation query
agg_query = {
"aggs": {
"authors": {
"terms": {
"field": "author",
"size": 10
}
},
"avg_views": {
"avg": {
"field": "views"
}
},
"views_histogram": {
"histogram": {
"field": "views",
"interval": 100
}
},
"date_histogram": {
"date_histogram": {
"field": "created_at",
"calendar_interval": "month"
}
}
}
}
result = es.search(index='articles', body=agg_query)
```
## Best Practices
- Design mappings carefully
- Use appropriate analyzers
- Implement proper sharding strategy
- Monitor cluster health
- Use bulk operations
- Implement pagination with search_after
- Cache frequently used queries
## Anti-Patterns
❌ Deep pagination with from/size
❌ Wildcard queries without prefix
❌ No replica shards
❌ Over-sharding
❌ Not using filters for exact matches
❌ Ignoring cluster yellow/red status
## Resources
- Elasticsearch Guide: https://www.elastic.co/guide/
- ELK Stack: https://www.elastic.co/elk-stack
© personamanagmentlayer · Apache-2.0 · personamanagmentlayer/pcl