المهارات vector-index-tuning
🔍

vector-index-tuning

آمن 🌐 الوصول إلى الشبكة

تحسين ضبط فهرس المتجهات للسرعة والتذكر

يبدو البحث بالمتجهات بطيئًا أو مكلفًا عند تكوين الفهارس بشكل خاطئ. توفر هذه المهارة قوالب ضبط وتجارب لتحسين زمن الاستجابة والتذكر واستخدام الذاكرة لاستراتيجيات HNSW والتكميم.

يدعم: Claude Codex Code(CC)
📊 70 كافٍ
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "vector-index-tuning". اقترح معاملات HNSW لمليون متهدف بتذكر 0.95 وتحت زمن استجابة 10 مللي ثانية.

النتيجة المتوقعة:

  • M الموصى به: 32 وefConstruction: 200 لجودة البناء
  • تعيين efSearch إلى 128 لاستهداف تذكر 0.95
  • تقدير الحمل على الذاكرة مع M عند 32 والتحقق من خلال قياس صغير

استخدام "vector-index-tuning". ما وفورات الذاكرة التي يمكنني الحصول عليها بالتبديل من التكميم FP32 إلى INT8؟

النتيجة المتوقعة:

  • FP32 يستخدم 4 بايت لكل بعد، بينما INT8 يستخدم بايت واحد
  • لمتجرات بأبعاد 768: FP32 = 3KB، INT8 = 768 بايت لكل متجه
  • تقريبًا تقليل الذاكرة بنسبة 75% مع تأثير طفيف على التذكر

استخدام "vector-index-tuning". كيف أختار بين IVF وHNSW لـ 50 مليون متجه؟

النتيجة المتوقعة:

  • HNSW: تذكر أفضل بتكلفة الذاكرة ووقت البناء
  • IVF: ذاكرة أقل، بناء أسرع، تذكر أقل قليلاً
  • النظر في المختلط: IVF-PQ لـ 50 مليون+ متجه عند تقييد الذاكرة

التدقيق الأمني

آمن
v4 • 1/17/2026

Pure documentation skill with instructional Python templates for vector index tuning. All static findings are false positives: hardcoded URLs are documentation references, weak crypto patterns matched legitimate quantization terminology, backticks are markdown formatting, and memory-mapped references are Qdrant config parameters.

2
الملفات التي تم فحصها
723
الأسطر التي تم تحليلها
1
النتائج
4
إجمالي عمليات التدقيق

عوامل الخطر

🌐 الوصول إلى الشبكة (1)
SKILL.md:519-521
تم تدقيقه بواسطة: claude عرض سجل التدقيق →

درجة الجودة

38
الهندسة المعمارية
100
قابلية الصيانة
85
المحتوى
30
المجتمع
100
الأمان
87
الامتثال للمواصفات

ماذا يمكنك بناءه

ضبط ANN للتذكر

البحث عن إعدادات HNSW التي تحقق أهداف التذكر دون تجاوز ميزانيات زمن الاستجابة.

تقليل بصمة الذاكرة

تقييم خيارات التكميم وتقدير مفاضلات التخزين على نطاق واسع.

تخطيط توسيع الفهرس

اختيار أنواع الفهارس والتكوينات لملايين إلى مليارات المتجهات.

جرّب هذه الموجهات

مسح سريع لـ HNSW 
قياس معاملات M وefSearch في HNSW لـ 200 ألف متجه تستهدف تذكرًا قدره 0.95. اقتراح أفضل تكوين متوازن.
اختيار التكميم 
مقارنة التكميم fp16 وint8 والتكميم للمنتج لـ 10 ملايين متجه بأبعاد 768. تلخيص تأثيرات الذاكرة والتذكر.
تكوين Qdrant 
إنشاء إعدادات مجموعة Qdrant لتذكر متوازن وسرعة مع 5 ملايين متجه. يتضمن تكوينات HNSW والتكميم.
خطة المراقبة 
تحديد المقاييس وحلقة اختبار لتتبع النسب المئوية لزمن الاستجابة وانحراف التذكر للتحديثات الأسبوعية للفهرس.

أفضل الممارسات

  • قياس الأداء باستخدام استعلامات حقيقية ومجموعة حقيقة أساسية لقياس التذكر بدقة
  • البدء بالمعاملات الافتراضية، ثم ضبط متغير واحد بشكل منهجي في كل مرة
  • تتبع النسب المئوية لزمن الاستجابة والتذكر بعد كل تغيير في التكوين

تجنب

  • الضبط دون قياس التذكر مقابل مجموعة حقيقة أساسية معروفة
  • تغيير معاملات متعددة في وقت واحد دون تجارب مضبوطة
  • تجاهل الحمل على الذاكرة عند زيادة قيم M أو efSearch

الأسئلة المتكررة

ما المنصات التي تدعمها هذه المهارة؟
يعمل مع Claude وCodex وClaude Code. يقدم إرشادات عامة مع أمثلة خاصة بـ Qdrant.
ما الحدود الرئيسية للقوالب؟
القوالب هي أمثلة Python تتطلب مكتبات مثل hnswlib وsklearn للتشغيل. يجب على المستخدمين توفير بياناتهم واستعلاماتهم الخاصة.
هل يمكنني دمج هذا في خط أنابوبي؟
نعم. استخدم القوالب كوحدات بناء في نصوص قياس الأداء أو وظائف CI أو سير عمل اختبار الأداء.
هل يصل إلى بياناتي أو يرسلها؟
لا. محتوى المهارة هو وثائق ثابتة. لا يحدث جمع بيانات أو استدعاءات شبكة من المهارة نفسها.
ماذا لو كانت نتائج القياس صاخبة؟
زيادة حجم عينة الاستعلام، وإصلاح البذور العشوائية، وفصل توقيت بناء الفهرس عن قياسات توقيت البحث.
كيف يقارن هذا بأدلة الضبط العامة؟
يوفر قوالب Python ملموسة ونطاقات معاملات وصيغ تقدير الذاكرة وتكوينات خاصة بـ Qdrant.

تفاصيل المطور

المؤلف

wshobson

الترخيص

MIT

المستودع

https://github.com/wshobson/agents/tree/main/plugins/llm-application-dev/skills/vector-index-tuning

مرجع

main

بنية الملفات

📄 SKILL.md