SurrealDB-Python-Workflows erstellen
SurrealDB-Projekte benötigen zuverlässige Python-Beispiele für Abfragen, Graphen, Vektoren und Live-Updates. Dieser Skill leitet die SDK-Nutzung mit fokussierten Mustern für Daten-Apps und RAG-Systeme an.
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.
Review the Skillstore skill "surrealdb-python" from https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python.md and its manifest at https://skillstore.io/api/skills/activeinferenceinstitute-surrealdb-python/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
„surrealdb-python“ wird verwendet. Entwirf einen Wissensgraphen für Forschungsarbeiten und Autoren.
Erwartetes Ergebnis:
„surrealdb-python“ wird verwendet. Plane semantische Suche für Support-Artikel.
Erwartetes Ergebnis:
Die Antwort skizziert Schritte für Chunking, Embedding-Erzeugung, Vektorspeicherung, KNN-Retrieval, Metadatenfilterung und Ergebnisranking.
„surrealdb-python“ wird verwendet. Füge Live-Updates zu einem Dashboard hinzu, das von SurrealDB unterstützt wird.
Erwartetes Ergebnis:
Die Antwort beschreibt die Einrichtung von Live-Queries, Abonnement-Handling, Cleanup, Fehlerbehandlung und Kategorien von Datenänderungen.
All 56 static detections were false positives from Markdown fences, inline SurrealQL syntax, database examples, and reference links. I found no prompt injection, exfiltration intent, unauthorized network calls, or shell execution in the reviewed files. One low-risk documentation issue remains: sample root credentials appear in local examples.
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/activeinferenceinstitute-surrealdb-python/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/activeinferenceinstitute-surrealdb-python.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>ActiveInferenceInstitute. (2026). surrealdb-python security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python/audits/9@techreport{activeinferenceinstitute-activeinferenceinstitute-surrealdb-python-2026,
author = {ActiveInferenceInstitute},
title = {surrealdb-python security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "surrealdb-python security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "ActiveInferenceInstitute"
date-released: "2026-07-07"
url: "https://skillstore.io/skills/activeinferenceinstitute-surrealdb-python/audits/9"
identifiers:
- type: other
value: "skillstore:activeinferenceinstitute-surrealdb-python:audit:9"
description: "Skillstore immutable audit report identifier"
Nutze Python-Beispiele, um Dokumente, Graph-Kanten, Vektoren und Live-Updates in einem SurrealDB-Projekt zu kombinieren.
Modelliere Beziehungen mit Edge-Tabellen, rekursiver Traversierung und Constraints, bevor SurrealQL in Python implementiert wird.
Plane Embedding-Speicherung, Vektorsuche, hybride Suche und LangChain-Integration für RAG-Anwendungen.
Verwende den surrealdb-python-Skill, um eine Einsteigereinrichtung für das Python SDK zu zeigen. Beziehe Verbindungsablauf, Namespace-Auswahl und sichere Platzhalter für Zugangsdaten ein.
Verwende den surrealdb-python-Skill, um CRUD-Operationen für eine Tabelle mit Kundendatensätzen zu entwerfen. Beziehe Anleitungen zu create, teilweiser Aktualisierung, lookup und delete ein.
Verwende den surrealdb-python-Skill, um ein Graphschema für Autoren, Artikel und Zitationen zu entwerfen. Beziehe Edge-Metadaten und Traversal-Abfragen ein.
Verwende den surrealdb-python-Skill, um einen RAG-Workflow zu planen, der Embeddings, Metadatenfilter, Graph-Traversierung und Überlegungen zu Live-Updates kombiniert.
Autor
ActiveInferenceInstituteLizenz
MIT
Skillstore-Revision
r1
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
d46e62089a6dfc9e14ea02eebd9b8e2ad2dfe1f4
Aktualität der Wartung
18.7.2026
Nutzung
8 Downloads · 371 Aufrufe
Dateistruktur
Zuverlässige Python-Test-Suites erstellen
Python-Tests werden oft fragil, langsam oder unvollständig. Dieser Skill bietet Anleitung zu pytest-Struktur, Fixtures, Mocks, Async-Tests, Coverage und CI-Einrichtung.
Python-Projekte für die Distribution paketieren
Python packaging erfordert korrekte Metadaten, Build-Tools und Release-Schritte. Dieser Skill führt Claude, Codex und Claude Code durch Paketlayout, Builds und Veröffentlichung.
Python-Performance optimieren
Langsamer Python-Code lässt sich ohne klare Messungen nur schwer verbessern. Diese Skill führt Claude, Codex und Claude Code durch Profiling, Benchmarking und gezielte Optimierungsmuster.
Asynchrone Python-Systeme entwickeln
Asynchroner Python-Code kann fehlschlagen, wenn Tasks, Timeouts und blockierende Aufrufe falsch gehandhabt werden. Diese Skill bietet praktische asyncio-Muster für zuverlässige nebenläufige Anwendungen.
Cohere-Pipelines zur Entitätsextraktion erstellen
Unstrukturierter Text benötigt häufig zuverlässige Felder, bevor er in Apps oder Datenbanken eingespeist werden kann. Dieser Skill führt Python-Entwickler durch strukturierte Ausgaben in Cohere v2 und die Extraktion mit JSON Schema.
Python-Projekte mit uv schneller verwalten
Die Verwaltung von Python-Abhängigkeiten kann langsam und je nach Tool uneinheitlich sein. Dieser Skill zeigt uv-Workflows für Projekte, virtuelle Umgebungen, Lockfiles, CI und Migrationen.
AgentDB-Semantische Suche erstellen
von DNYoussef
Teams benötigen relevante Dokumentenabfrage für RAG und Wissensdatenbanken. Dieser Skill führt durch AgentDB-Einrichtung, Speicherung von Embeddings, Indexierung, API-Suche und Relevanzoptimierung.
Zuverlässige RAG-Systeme entwickeln
von sickn33
RAG-Projekte scheitern oft, weil die Retrieval-Qualität schwach oder nicht gemessen ist. Dieser Skill unterstützt bei Entscheidungen zu Chunking, Embeddings, Vektorsuche, hybridem Retrieval, Reranking und Evaluation.
Embedding-Strategien optimieren
von wshobson
Teams haben oft Schwierigkeiten, Embedding-Modelle, Chunk-Größen und Evaluierungsmethoden für Retrieval-Systeme auszuwählen. Diese Skill bietet praktische Vorlagen und Entscheidungshilfen für semantische Suche und RAG-Anwendungen.
Publikationsreife Matplotlib-Abbildungen erstellen
von davila7
Matplotlib kann bei komplexen wissenschaftlichen Diagrammen schwer konsistent zu verwenden sein. Dieser Skill bietet praktische Beispiele, Gestaltungsrichtlinien und Hilfsskripte für übersichtlichere Abbildungen.
Diskrete Ereignissimulationen mit SimPy erstellen
von davila7
Komplexe Warteschlangen und gemeinsam genutzte Ressourcen lassen sich vor der Bereitstellung nur schwer bewerten. Dieser Skill unterstützt bei SimPy-Modellen, Überwachung, Synchronisierung und Ergebnisanalyse.
Produktionsreife ML- und RAG-Systeme entwickeln
von davila7
Produktionsreife ML-Systeme sind schwer konsistent zu entwerfen, bereitzustellen und zu überwachen. Diese Skill bietet Leitlinien zu MLOps, LLM-Integration, RAG-Architektur und lokalen Workflow-Gerüsten.