upstash-vector-js — скилл для Claude Code: работа с @upstash/vector
Скилл учит агента работать с TypeScript/JavaScript SDK Upstash Vector: загрузка векторов, поиск похожих, RAG и семантический кэш.
npx skills add upstash/skills --skill upstash-vector-js -a claude-codeЧто делает upstash-vector-js
Скилл описывает работу с @upstash/vector — серверной векторной базой для эмбеддингов и поиска по смыслу. Агент получает готовые шаблоны кода: подключение к индексу через url и token, upsert векторов, query с topK, удаление и выборка записей. Внутри лежит справочник по методам SDK (delete, fetch, info, query, range, reset, resumable-query, upsert) и отдельные файлы про неймспейсы, структуру индекса и фильтрацию по метаданным.
Есть разбор трёх типов индексов — dense, sparse и hybrid. Если у вас уже есть свои эмбеддинги, вы грузите векторы напрямую; если нет, можно писать в индекс сырой текст, а встроенная модель посчитает вектор сама. Неймспейсы пригодятся, когда в одном индексе лежат данные разных проектов или клиентов, а фильтры по метаданным отсекают лишнее на стороне сервера. Для длинных выборок предусмотрен resumable-query.
Перед началом понадобятся UPSTASH_VECTOR_REST_URL и UPSTASH_VECTOR_REST_TOKEN — без них new Index() не подключится. Скилл рассчитан на TypeScript и JavaScript, для Python-проектов он не подойдёт.
Какие задачи решает
- загрузить эмбеддинги в индекс и потом искать по ним
- собрать RAG-цепочку поверх векторной базы
- выбрать между dense, sparse и hybrid индексом
- разложить данные по неймспейсам вместо отдельных индексов
- отфильтровать выдачу по метаданным на стороне сервера
Примеры запросов агенту
- Подключи @upstash/vector и загрузи массив векторов с метаданными
- Сделай семантический поиск по индексу, верни 5 ближайших результатов
- Организуй данные по неймспейсам для разных клиентов
Как установить upstash-vector-js
1Через Skills CLI (Vercel)
npx skills add upstash/skills --skill upstash-vector-js -a claude-code2Вручную: положить файлы
~/.claude/skills/upstash-vector-js/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/upstash-vector-js/
1Через Skills CLI (Vercel)
npx skills add upstash/skills --skill upstash-vector-js -a codex2Вручную: положить файлы
.agents/skills/upstash-vector-js/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add upstash/skills --skill upstash-vector-js -a cursor2Вручную: положить файлы
.cursor/skills/upstash-vector-js/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install upstash/skills upstash-vector-js2Вручную: положить файлы
.github/skills/upstash-vector-js/SKILL.md1Через Skills CLI (Vercel)
npx skills add upstash/skills --skill upstash-vector-js -a gemini-cli2Командой платформы
gemini skills install https://github.com/upstash/skills --path skills/upstash-vector-jsВручную: положить файлы
.devin/skills/upstash-vector-js/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add upstash/skills --skill upstash-vector-js -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
Из того же набора10
Похожие
Рядом в теме «Данные и базы»
Все скиллы по теме «Данные и базы» →Вопросы о upstash-vector-js
Как установить upstash-vector-js в Claude?
Выполните npx skills add upstash/skills --skill upstash-vector-js -a claude-code. Скилл окажется в ~/.claude/skills/upstash-vector-js/SKILL.md.
Что делает upstash-vector-js?
Даёт агенту справочник по SDK @upstash/vector: загрузка и удаление векторов, поиск похожих, фильтры по метаданным, неймспейсы и resumable-query.
Что нужно, чтобы скилл заработал?
Индекс Upstash Vector и переменные окружения UPSTASH_VECTOR_REST_URL и UPSTASH_VECTOR_REST_TOKEN — их подставляет конструктор Index.
Исходный текст
SKILL.md · MIT
---
name: upstash-vector-js
description: Work with the @upstash/vector TypeScript/JavaScript SDK, a serverless vector database for embeddings, similarity search, semantic search, and RAG (retrieval-augmented generation). Use when upserting, querying, fetching, ranging, or deleting vectors, upserting raw text against an index with a built-in embedding model, choosing dense, sparse, or hybrid indexes, filtering by metadata, organizing data with namespaces, running resumable queries, or connecting Upstash Vector to an AI or LLM application. Also use when the user asks for a vector store, vector search, nearest-neighbor or kNN search, embeddings storage, semantic cache, recommendations or similarity features, or a hosted vector index that needs no infrastructure.
license: MIT
metadata:
author: Upstash
homepage: https://upstash.com
---
# Vector Documentation Skill
## Quick Start
Vector is a high‑performance vector database for storing, querying, and managing vector embeddings.
Basic workflow:
- Install the Vector TS SDK.
- Connect to a Vector instance.
- Upsert vectors, query them, and manage namespaces.
Example (TypeScript):
```ts
import { Index } from "@upstash/vector";
const index = new Index({
url: process.env.UPSTASH_VECTOR_REST_URL!,
token: process.env.UPSTASH_VECTOR_REST_TOKEN!,
});
await index.upsert([{ id: "1", vector: [0.1, 0.2], metadata: { tag: "example" } }]);
const results = await index.query({
vector: [0.1, 0.2],
topK: 5,
});
```
For full usage, refer to the linked skill files below.
## Other Skill Files
### TS SDK Reference
- `sdk-methods`: Explains SDK commands: delete, fetch, info, query, range, reset, resumable-query, upsert
### Features
- `features/namespaces`: Explains namespaces and dataset organization.
- `features/index-structure`: Covers hybrid and sparse index structures.
- `features/filtering-and-metadata`: Details metadata storage and server-side filtering.
Use these files for deeper guidance on SDK usage, advanced configurations, algorithms, and integrations.
© Upstash · MIT · upstash/skills