# storing-and-querying-vectors

Скилл ведёт агента по работе с Amazon S3 Vectors: создание векторного бакета и индекса, запись эмбеддингов, поиск похожих.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 6600 установок · ★ 3282
- Автор: aws
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/aws/agent-toolkit-for-aws/tree/HEAD/plugins/aws-data-analytics/skills/storing-and-querying-vectors/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/storing-and-querying-vectors

## Что делает

Скилл описывает пошаговый сценарий для Amazon S3 Vectors — сервиса долгого хранения векторов с отдельным пространством имён API `s3vectors`. Агент сначала проверяет, есть ли доступ к AWS MCP или AWS CLI, и уточняет регион. Дальше по шагам: создать векторный бакет, создать индекс, при необходимости сгенерировать эмбеддинги через Bedrock, записать векторы и выполнить запрос.

Важная деталь: у индекса все параметры неизменяемы после создания. Размерность должна совпадать с выходом модели эмбеддингов, метрика — `cosine` или `euclidean`, а нефильтруемые ключи метаданных объявляются один раз и потом не добавляются. Шифрование бакета тоже не поменять. Поэтому скилл требует подтвердить эти значения с вами до запуска команд — иначе придётся удалять индекс вместе со всеми векторами.

Для `--filter` и `--return-metadata` в запросе нужны оба разрешения: `s3vectors:QueryVectors` и `s3vectors:GetVectors`. Без второго такие запросы вернут 403. Запись идёт пачками не больше 500 векторов за вызов, а на `429 TooManyRequestsException` скилл советует повтор с backoff. Под sustained-нагрузку в сотни и тысячи QPS этот инструмент не годится — там он сам отправляет к OpenSearch.

## Требования
- Работает с: AWS

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add aws/agent-toolkit-for-aws --skill storing-and-querying-vectors -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/storing-and-querying-vectors/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/storing-and-querying-vectors/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add aws/agent-toolkit-for-aws --skill storing-and-querying-vectors -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/storing-and-querying-vectors/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add aws/agent-toolkit-for-aws --skill storing-and-querying-vectors -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/storing-and-querying-vectors/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install aws/agent-toolkit-for-aws storing-and-querying-vectors
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/storing-and-querying-vectors/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add aws/agent-toolkit-for-aws --skill storing-and-querying-vectors -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/aws/agent-toolkit-for-aws --path plugins/aws-data-analytics/skills/storing-and-querying-vectors
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/storing-and-querying-vectors/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add aws/agent-toolkit-for-aws --skill storing-and-querying-vectors -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/aws/agent-toolkit-for-aws/tree/HEAD/plugins/aws-data-analytics/skills/storing-and-querying-vectors/SKILL.md

## Когда брать
- создать векторный бакет и индекс под RAG-хранилище
- записать эмбеддинги пачками и не упереться в лимит вызова
- найти похожие документы по вектору с фильтром по метаданным
- сгенерировать эмбеддинги через Bedrock и сохранить их в S3 Vectors
- разобраться, почему запрос с фильтром возвращает 403

## Примеры запросов агенту
- создай векторный бакет и индекс под хранение эмбеддингов в S3 Vectors
- запиши эти эмбеддинги в индекс и покажи, сколько векторов загрузилось
- найди top-10 похожих векторов с фильтром по теме science

## Похожие
- [aws-sdk-java-v2-bedrock](https://affpapa.org/nevibecode/skills/aws-sdk-java-v2-bedrock.md) — скилл · 3700 установок
- [opensearch-skills](https://affpapa.org/nevibecode/skills/opensearch-skills.md) — скилл · 571 установка
- [gcp-to-aws](https://affpapa.org/nevibecode/skills/gcp-to-aws.md) — скилл · 647 установок
- [embedding-strategies](https://affpapa.org/nevibecode/skills/embedding-strategies.md) — скилл · 11391 установка
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 4700 установок
- [chunking-strategy](https://affpapa.org/nevibecode/skills/chunking-strategy.md) — скилл · 3800 установок

Из того же набора: [aws/agent-toolkit-for-aws](https://affpapa.org/nevibecode/by/aws/agent-toolkit-for-aws.md) — 138 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md