К основному содержанию
скилл CX Codex

vector-database-engineer — скилл для Claude Code

Скилл vector-database-engineer для Claude Code помогает выбрать векторную базу и настроить поиск по эмбеддингам. Решает задачи RAG, семантического поиска и рекомендаций с учётом recall и задержки.

MIT ★ 50 109 обновлён 2026-10-29

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a claude-code
Открыть на GitHub

Что делает vector-database-engineer

Скилл разбирает векторный поиск по частям: выбор базы (Pinecone, Weaviate, Qdrant, Milvus, pgvector), модель эмбеддингов, тип индекса HNSW, IVF или PQ, гибридный поиск по векторам и ключевым словам, нарезка документов на чанки, фильтры по метаданным. Баланс задержки и recall тоже в списке.

Это инструкция для агента, а не библиотека. Сначала он уточняет цели и входные данные, потом ведёт по шагам от анализа запросов до мониторинга и переиндексации. За подробными примерами скилл отправляет в resources/implementation-playbook.md.

Ломается всё чаще всего на размерности. Проверьте, что база и индекс держат выходную размерность выбранной модели, а при смене модели на несовместимую индекс придётся пересобирать. Выдачу всё равно меряют на своих данных: тесты recall и задержки скилл не заменяет.

Какие задачи решает

  • выбрать векторную базу под объём данных и тип запросов
  • подобрать модель эмбеддингов и сверить её размерность с индексом
  • настроить HNSW или IVF под нужный баланс задержки и recall
  • собрать гибридный поиск из векторов и ключевых слов
  • порезать документы на чанки с перекрытием и фильтрами по метаданным

Примеры запросов агенту

  • Собери RAG по папке docs/: какая база подойдёт и как настроить индекс?
  • Добавь в поиск на pgvector гибридную выдачу с фильтрами по метаданным.
  • Поиск стал медленным после роста индекса. Что крутить в HNSW?

Как установить vector-database-engineer

1Через Skills CLI (Vercel)

npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a claude-code

2Вручную: положить файлы

~/.claude/skills/vector-database-engineer/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/vector-database-engineer/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о vector-database-engineer

Как установить vector-database-engineer в Claude Code?

Выполните npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a claude-code. Файл скилла появится в ~/.claude/skills/vector-database-engineer/SKILL.md.

Что делает vector-database-engineer?

Помогает спроектировать векторный поиск: выбрать базу и модель эмбеддингов, настроить индекс, собрать гибридную выдачу, разбить документы на чанки и отладить фильтры по метаданным.

С какими векторными базами он работает?

С Pinecone, Weaviate, Qdrant, Milvus и pgvector. Отдельно разбираются типы индексов HNSW, IVF и PQ и гибридный поиск.

Исходный текст

SKILL.md · MIT
---
name: vector-database-engineer
description: "Expert in vector databases, embedding strategies, and semantic search implementation. Masters Pinecone, Weaviate, Qdrant, Milvus, and pgvector for RAG applications, recommendation systems, and similar"
risk: critical
source: community
date_added: "2026-02-27"
---

# Vector Database Engineer

Expert in vector databases, embedding strategies, and semantic search implementation. Masters Pinecone, Weaviate, Qdrant, Milvus, and pgvector for RAG applications, recommendation systems, and similarity search. Use PROACTIVELY for vector search implementation, embedding optimization, or semantic retrieval systems.

## Do not use this skill when

- The task is unrelated to vector database engineer
- You need a different domain or tool outside this scope

## Instructions

- Clarify goals, constraints, and required inputs.
- Apply relevant best practices and validate outcomes.
- Provide actionable steps and verification.
- If detailed examples are required, open `resources/implementation-playbook.md`.

## Capabilities

- Vector database selection and architecture
- Embedding model selection and optimization
- Index configuration (HNSW, IVF, PQ)
- Hybrid search (vector + keyword) implementation
- Chunking strategies for documents
- Metadata filtering and pre/post-filtering
- Performance tuning and scaling

## Use this skill when

- Building RAG (Retrieval Augmented Generation) systems
- Implementing semantic search over documents
- Creating recommendation engines
- Building image/audio similarity search
- Optimizing vector search latency and recall
- Scaling vector operations to millions of vectors

## Workflow

1. Analyze data characteristics and query patterns
2. Select appropriate embedding model
3. Design chunking and preprocessing pipeline
4. Choose vector database and index type
5. Configure metadata schema for filtering
6. Implement hybrid search if needed
7. Optimize for latency/recall tradeoffs
8. Set up monitoring and reindexing strategies

## Best Practices

- Use the chosen model’s documented output dimensions; confirm database/index support and reindex on incompatible model changes
- Implement proper chunking with overlap
- Use metadata filtering to reduce search space
- Monitor embedding drift over time
- Plan for index rebuilding
- Cache frequent queries
- Test recall vs latency tradeoffs

## Example

**User request:**

> Build RAG (Retrieval Augmented Generation) systems.

## Limitations
- Use this skill only when the task clearly matches the scope described above.
- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.
- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.

© sickn33 · MIT · sickn33/agentic-awesome-skills

Похожие скиллы

Все скиллы по теме «Данные и базы» →
langchain4j-vector-stores-configuration giuseppe-trisciuoglio Скилл langchain4j-vector-stores-configuration подсказывает, как собрать векторное хранилище для RAG на LangChain4J: подключение, размерность эмбеддингов, фильтры по метаданным. CX Codex +1 3 900установок vector-database-ops devops-skills Скилл vector-database-ops для Claude Code, Codex, Cursor и других платформ: развёртывание и настройка Qdrant, Weaviate, pgvector и Pinecone. Покрывает коллекции, индексы, бэкапы и производительность для RAG и семантического поиска в проде. CX Codex +1 345установок vector-database-management manutej Скилл vector-database-management для Claude Code учит агента работать с Pinecone, Weaviate и Chroma: создавать индексы, искать по схожести и собирать RAG-пайплайны. CX Codex +1 460установок upstash-vector-js Upstash Скилл upstash-vector-js учит агента работать с TypeScript/JavaScript SDK Upstash Vector: загрузка векторов, поиск похожих, RAG и семантический кэш. CX Codex +1 1 500установок hunt-rag-vector Sachin Sharma Скилл hunt-rag-vector для Claude Code ищет слабые места в хранении и поиске векторов в RAG-системах. Запускается для приложений с общей базой знаний, загрузкой документов или доступным портом векторной БД. CX Codex +1 ★ 16 193звёзд репо pgvector-semantic-search tigerdata Скилл pgvector-semantic-search учит агента настраивать векторный поиск в PostgreSQL с помощью pgvector. Он помогает хранить эмбеддинги, строить индексы HNSW и готовить базу к задачам RAG. CX Codex +1 1 000установок

Из того же набора187

Весь набор →
database-migrations-migration-observability Скилл database-migrations-migration-observability для Claude Code проектирует мониторинг миграций БД, CDC-потоков и оповещений. Отслеживает ошибки, обработанные документы и задержки репликации. CX Codex +1 1установок database-migrations-sql-migrations Скилл database-migrations-sql-migrations для безопасных миграций SQL-баз данных с нулевым простоем. Создаёт миграционные скрипты с планами откатов, проверками целостности данных и стратегиями для PostgreSQL, MySQL и SQL Server. CX Codex +1 1установок arm-cortex-expert Скилл arm-cortex-expert для Claude Code пишет прошивки и драйверы периферии для ARM Cortex-M: Teensy 4.x, STM32, nRF52 и SAMD. Формирует собираемый модуль, а не обрывок кода. CX Codex +1 ★ 50 109звёзд репо vexor Направляет агента при поиске по файлам с помощью семантической утилиты Vexor. Помогает искать по смыслу, когда обычного поиска по строкам недостаточно. CX Codex +1 ★ 50 109звёзд репо rag-implementation Скилл rag-implementation для Claude Code описывает восьмиэтапное внедрение RAG: от выбора эмбеддингов до настройки гибридного поиска и оценки качества. CX Codex +1 ★ 50 109звёзд репо llm-application-dev-ai-assistant Скилл llm-application-dev-ai-assistant для Claude Code проектирует разговорных ИИ-ассистентов: контекст диалога, границы интеграций и проверку ответов. Описывает работу с вызовами инструментов и памятью пользователя. CX Codex +1 ★ 50 109звёзд репо seo-content-auditor Скилл seo-content-auditor разбирает присланный текст по глубине, E-E-A-T и структуре, ставит оценки от 1 до 10 и выдаёт список правок. Пригодится перед публикацией статьи или лендинга. CX Codex +1 ★ 50 109звёзд репо pci-compliance Скилл pci-compliance разбирает, как платёжные данные ходят по проекту, и собирает доказательства контролей под scoped PCI-оценку. Сертификат не выдаёт. CX Codex +1 ★ 50 109звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой