Habilidades vector-database-engineer
📦

vector-database-engineer

Revisión del contenido r1 Seguro ⚙️ Comandos externos

Crear sistemas de búsqueda vectorial

Los proyectos de búsqueda vectorial necesitan decisiones de arquitectura claras antes de que los equipos se comprometan con un índice o una base de datos. Esta habilidad guía el diseño de recuperación, la estrategia de embeddings y el ajuste para sistemas de producción.

Compatible con: Claude Codex Code(CC)
🥉 78 Bronce

Instalar con mi Agente

Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.

Solicitud de agente
Review the Skillstore skill "vector-database-engineer" from https://skillstore.io/skills/sickn33-vector-database-engineer.md and its manifest at https://skillstore.io/api/skills/sickn33-vector-database-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.

Recursos legibles por agentes

Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.

Detalle Markdown GET /skills/sickn33-vector-database-engineer.md Manifest firmado GET /api/skills/sickn33-vector-database-engineer/manifest Lockfile firmado GET /api/skills/sickn33-vector-database-engineer/lockfile

Pruébalo

Usando "vector-database-engineer". Necesito búsqueda semántica para 200,000 artículos de soporte.

Resultado esperado:

Un plan de recuperación que cubra tamaño de fragmento, solapamiento, campos de metadatos, bases de datos candidatas, tipo de índice, métricas de validación y comprobaciones de lanzamiento.

Usando "vector-database-engineer". Nuestro sistema RAG no encuentra nombres exactos de productos ni números de pieza.

Resultado esperado:

Una recomendación de búsqueda híbrida con coincidencia por palabras clave, recuperación vectorial, fusión de resultados, filtros de metadatos y pasos de prueba de recall.

Usando "vector-database-engineer". La latencia de búsqueda está aumentando a medida que crece nuestra colección.

Resultado esperado:

Una lista de verificación de ajuste para parámetros de índice, caché, estrategia de filtrado, batching, monitoreo y cadencia de reindexación.

Auditoría de seguridad

Seguro
v5 • 7/7/2026 Abrir el informe versionado

The flagged shell execution is a Markdown file reference, not command execution. The system reconnaissance findings are normal vector search phrases with no host inspection or collection intent. No prompt injection or malicious behavior was found in SKILL.md.

1
Archivos escaneados
61
Líneas analizadas
0
Elementos de revisión
0
Falsos positivos ignorados

Factores de riesgo

⚙️ Comandos externos (1)
SKILL.md:20
La auditoría estática y semántica completada más reciente no detectó hallazgos de seguridad confirmados. Esto no demuestra que el skill no tenga efectos secundarios.
Auditado por: codex Ver historial de auditorías →
Compartir y citar este informe

Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.

Abrir el informe versionado
Evaluación de seguridad

Copiar enlace del informe

https://skillstore.io/skills/sickn33-vector-database-engineer/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Insignia Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/sickn33-vector-database-engineer/security.svg)](https://skillstore.io/skills/sickn33-vector-database-engineer?utm_source=security_passport_badge)

Insignia HTML

<a href="https://skillstore.io/skills/sickn33-vector-database-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-vector-database-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Tarjeta para insertar

<iframe src="https://skillstore.io/embed/skills/sickn33-vector-database-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
Citas académicas (APA · BibTeX · CFF)

Cita APA

sickn33. (2026). vector-database-engineer security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-vector-database-engineer/audits/5

Cita BibTeX

@techreport{sickn33-sickn33-vector-database-engineer-2026, author = {sickn33}, title = {vector-database-engineer security audit report (audit version 5)}, institution = {Skillstore}, year = {2026}, number = {5}, url = {https://skillstore.io/skills/sickn33-vector-database-engineer/audits/5}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "vector-database-engineer security audit report (audit version 5)" version: "unspecified" type: report authors: - name: "sickn33" date-released: "2026-07-07" url: "https://skillstore.io/skills/sickn33-vector-database-engineer/audits/5" identifiers: - type: other value: "skillstore:sickn33-vector-database-engineer:audit:5" description: "Skillstore immutable audit report identifier"

Puntuación de Skillstore

Por qué esta puntuación Confianza de la evidencia: Alto
55
Arquitectura
85
Mantenibilidad
87
Contenido
69
Comunidad
83
Cumplimiento de la especificación

Lo que puedes crear

Planificar una capa de recuperación RAG

Diseña un sistema de recuperación de documentos con fragmentación, embeddings, filtros de metadatos y opciones de índice.

Ajustar la infraestructura de búsqueda

Evalúa planes de latencia, recall, caché y reindexación para cargas de trabajo vectoriales de alto volumen.

Seleccionar una base de datos vectorial

Compara opciones de bases de datos frente a necesidades de escala, alojamiento, filtrado, búsqueda híbrida y operaciones del equipo.

Prueba estos prompts

Elegir una base de datos 
Ayúdame a elegir una base de datos vectorial para mi proyecto. Pregunta por los requisitos faltantes y luego compara Pinecone, Weaviate, Qdrant, Milvus y pgvector.
Diseñar recuperación de documentos 
Diseña un flujo de trabajo de búsqueda semántica para mis documentos. Incluye fragmentación, selección del modelo de embeddings, campos de metadatos, indexación y pasos de validación.
Agregar búsqueda híbrida 
Revisa mis requisitos de recuperación y propone un diseño de búsqueda híbrida. Incluye ranking, filtros, flujo de consulta y métricas de evaluación.
Optimizar recuperación en producción 
Analiza mi arquitectura de búsqueda vectorial en cuanto a latencia, recall, costo, monitoreo, caché y riesgos de reindexación. Da un plan de mejora priorizado.

Mejores prácticas

  • Define objetivos de recall, latencia, frescura y costo antes de elegir una base de datos.
  • Prueba las decisiones de fragmentación y embeddings con consultas representativas y resultados evaluados.
  • Monitorea la deriva, las recuperaciones fallidas, el crecimiento del índice y los requisitos de reconstrucción a lo largo del tiempo.

Evitar

  • No selecciones una base de datos solo porque es popular.
  • No ajustes parámetros de índice sin un conjunto de evaluación medido.
  • No almacenes metadatos sensibles sin controles de acceso y reglas de retención.

Preguntas frecuentes

¿Qué bases de datos cubre esta habilidad?
Cubre Pinecone, Weaviate, Qdrant, Milvus y pgvector a nivel de orientación arquitectónica.
¿Puede ayudar con sistemas RAG?
Sí. Se centra en el diseño de recuperación, fragmentación, embeddings, filtros y calidad de búsqueda para flujos de trabajo RAG.
¿Escribe código de producción?
Puede guiar planes de implementación, pero la habilidad en sí es un archivo de instrucciones Markdown, no un paquete ejecutable.
¿Puede mejorar la precisión de búsqueda?
Puede recomendar métodos de evaluación, búsqueda híbrida, filtrado de metadatos y pasos de ajuste para mejorar la calidad de recuperación.
¿Está vinculada a un solo proveedor de nube?
No. Analiza servicios gestionados, bases de datos open source y opciones de almacenamiento vectorial basadas en Postgres.
¿Qué entradas debo proporcionar?
Proporciona tamaño de datos, ejemplos de consultas, frecuencia de actualización, objetivos de latencia, filtros, restricciones de alojamiento y límites de costo.

Detalles del desarrollador

Autor

sickn33

Licencia

MIT

Revisión de Skillstore

r1

Aviso de versión

El autor no declaró una versión.

Repositorio

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/vector-database-engineer

Ref.

f93e9bb0daca99badb6a7e574b97737155d57cb3

Actualidad del mantenimiento

18/7/2026

Uso

8 descargas · 113 vistas

Estructura de archivos

📄 SKILL.md