# surrealdb-vector

Помогает агенту писать запросы векторного поиска в SurrealDB: индексы HNSW, KNN-оператор, оценка похожести.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 524 установки · ★ 28
- Автор: surrealdb
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/surrealdb/agent-skills/tree/HEAD/skills/surrealdb-vector/SKILL.md
- Обновлён: 2026-09-29
- HTML: https://affpapa.org/nevibecode/skills/surrealdb-vector

## Что делает

Скилл даёт агенту готовые шаблоны SurrealQL для векторного поиска. Внутри — объявление индекса HNSW с параметрами `DIMENSION`, `DIST`, `TYPE`, `EFC`, `M` и `M0`, а ещё запросы с оператором `<|K, EF|>` и функцией `vector::distance::knn()`. Пригодится, когда вы собираете семантический поиск или RAG-конвейер поверх SurrealDB и не хотите каждый раз вспоминать синтаксис.

Есть пример полной таблицы: `DEFINE TABLE OVERWRITE document SCHEMALESS`, поле `embedding` типа `array<float>` и индекс с `HNSW DIMENSION 384 DIST COSINE TYPE F32 EFC 150 M 12 M0 24`. Для выдачи со порогом скилл показывает вложенный запрос, где считается `score` как `1 - vector::distance::knn()`, а фильтр идёт по `score >= $threshold` с сортировкой по убыванию.

Размерность индекса должна совпадать с размерностью ваших эмбеддингов, иначе поиск не заработает. Скилл советует `EF` равным 40 для хорошей точности и 17, если важнее скорость. Тип `F64` или `F32` выбирайте под то, чем уже представлены векторы в базе.

Установка идёт через `npx skills add` с указанием агента.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add surrealdb/agent-skills --skill surrealdb-vector -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add surrealdb/agent-skills --skill surrealdb-vector -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/surrealdb-vector/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add surrealdb/agent-skills --skill surrealdb-vector -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/surrealdb-vector/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install surrealdb/agent-skills surrealdb-vector
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/surrealdb-vector/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add surrealdb/agent-skills --skill surrealdb-vector -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/surrealdb/agent-skills --path skills/surrealdb-vector
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/surrealdb-vector/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add surrealdb/agent-skills --skill surrealdb-vector -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/surrealdb/agent-skills/tree/HEAD/skills/surrealdb-vector/SKILL.md

## Когда брать
- объявить HNSW-индекс под свои эмбеддинги
- написать KNN-запрос с оператором `<|K, EF|>`
- посчитать оценку похожести и отсечь слабые совпадения по порогу
- подобрать `EFC`, `M` и `M0` под нагрузку
- собрать выдачу семантического поиска с сортировкой по score

## Примеры запросов агенту
- создай HNSW-индекс на таблице document по полю embedding, размерность 384, косинусное расстояние
- напиши KNN-запрос: 10 ближайших векторов к $vector с оценкой похожести
- добавь порог по score и отсортируй результаты по убыванию

## Похожие
- [neo4j-vector-index-skill](https://affpapa.org/nevibecode/skills/neo4j-vector-index-skill.md) — скилл · 905 установок
- [vector-search](https://affpapa.org/nevibecode/skills/vector-search.md) — скилл · 751 установка
- [vector-embed](https://affpapa.org/nevibecode/skills/vector-embed.md) — скилл · 731 установка
- [qdrant-vector-search](https://affpapa.org/nevibecode/skills/qdrant-vector-search.md) — скилл · 969 установок
- [upstash-vector-db-skills](https://affpapa.org/nevibecode/skills/upstash-vector-db-skills.md) — скилл · 366 установок
- [vector-index-tuning](https://affpapa.org/nevibecode/skills/vector-index-tuning.md) — скилл · 10700 установок

Из того же набора: [surrealdb/agent-skills](https://affpapa.org/nevibecode/by/surrealdb/agent-skills.md) — 5 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

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