# vector-database-engineer

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.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · ★ 50109 у репозитория
- Автор: sickn33
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sickn33/agentic-awesome-skills/tree/HEAD/skills/vector-database-engineer/SKILL.md
- Обновлён: 2026-10-29
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/vector-database-engineer

## Что делает

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.

## Требования
- Работает с: PostgreSQL

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install sickn33/agentic-awesome-skills skills/vector-database-engineer
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/sickn33/agentic-awesome-skills --path skills/vector-database-engineer
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add sickn33/agentic-awesome-skills --skill vector-database-engineer -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/sickn33/agentic-awesome-skills/tree/HEAD/skills/vector-database-engineer/SKILL.md

## Когда брать
- 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?

## Похожие
- [langchain4j-vector-stores-configuration](https://affpapa.org/nevibecode/skills/langchain4j-vector-stores-configuration.md) — скилл · 3900 установок
- [vector-database-ops](https://affpapa.org/nevibecode/skills/vector-database-ops.md) — скилл · 345 установок
- [vector-database-management](https://affpapa.org/nevibecode/skills/vector-database-management.md) — скилл · 460 установок
- [upstash-vector-js](https://affpapa.org/nevibecode/skills/upstash-vector-js.md) — скилл · 1500 установок
- [hunt-rag-vector](https://affpapa.org/nevibecode/skills/hunt-rag-vector.md) — скилл · ★ 16193 у репозитория
- [pgvector-semantic-search](https://affpapa.org/nevibecode/skills/pgvector-semantic-search.md) — скилл · 1000 установок

Из того же набора: [sickn33/agentic-awesome-skills](https://affpapa.org/nevibecode/by/sickn33/agentic-awesome-skills.md) — 187 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
