Создание конвейеров данных CocoIndex
Проектам данных на базе ИИ нужны надежные потоки индексирования, пользовательские преобразования и операционные команды. Этот навык помогает проектировать, реализовывать, тестировать и устранять неполадки в CocoIndex.
Остановитесь и запросите подтверждение перед установкой.
Проверьте план и получите явное согласие пользователя перед изменением файлов.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "cocoindex" from https://skillstore.io/skills/89jobrien-cocoindex.md and its manifest at https://skillstore.io/api/skills/89jobrien-cocoindex/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «cocoindex». Мне нужен индекс векторного поиска для руководств по продуктам.
Ожидаемый результат:
План потока с выбором источника, стратегией разбиения на фрагменты, выбором модели эмбеддингов, целевой схемой и шагами тестирования.
Использование «cocoindex». Мой поток изменился, и целевая схема больше не совпадает.
Ожидаемый результат:
Контрольный список для устранения неполадок, который проверяет состояние setup, цели потока, изменения схемы и безопасные шаги валидации.
Использование «cocoindex». Мне нужна переиспользуемая логика как для индексирования, так и для поисковых запросов.
Ожидаемый результат:
Проект потока преобразования, который переиспользует логику эмбеддингов и объясняет, как query handlers должны ее вызывать.
Most static findings are Markdown documentation samples or CocoIndex API examples, including false positives for Markdown backticks and transform_flow.eval(). Confirmed risks remain around secret exposure during troubleshooting, instructions to collect API key values in chat, and destructive flow commands that need explicit confirmation. No evidence of prompt injection was found in the reviewed files.
Это реальные локальные возможности, которые могут ожидаться для этого навыка, поэтому они требуют проверки, но не считаются подтверждённым вредоносным поведением.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/89jobrien-cocoindex/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/89jobrien-cocoindex?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/89jobrien-cocoindex?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/89jobrien-cocoindex/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/89jobrien-cocoindex.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Joseph OBrien. (2026). cocoindex security audit report (audit version 7) [Author version 1.0.1]. Skillstore. https://skillstore.io/skills/89jobrien-cocoindex/audits/7@techreport{joseph-obrien-89jobrien-cocoindex-2026,
author = {Joseph OBrien},
title = {cocoindex security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/89jobrien-cocoindex/audits/7},
note = {Author version 1.0.1}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "cocoindex security audit report (audit version 7)"
version: "1.0.1"
type: report
authors:
- name: "Joseph OBrien"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/89jobrien-cocoindex/audits/7"
identifiers:
- type: other
value: "skillstore:89jobrien-cocoindex:audit:7"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
89jobrien-cocoindex
2026-09-09
davila7-cocoindex
2026-09-09
Спроектировать поток, который разбивает документы на фрагменты, создает эмбеддинги и экспортирует доступные для поиска векторы в целевую базу данных.
Построить рабочий процесс извлечения с LLM, который определяет сущности и отношения в исходных документах.
Использовать шаблоны CocoIndex CLI и API для настройки, обновления, инспекции и устранения неполадок в рабочих процессах индексирования.
Создайте поток CocoIndex для локальных Markdown-файлов, который разбивает текст на фрагменты, создает эмбеддинг для каждого фрагмента и экспортирует векторы в Postgres.
Помогите мне добавить типизированную пользовательскую функцию CocoIndex, которая очищает текст документа перед созданием эмбеддинга, и объясните, где полезно кэширование.
Спроектируйте рабочий процесс CocoIndex, который извлекает сущности и отношения из PDF и экспортирует их как граф знаний Neo4j.
Проверьте мой план потока CocoIndex для обновлений в реальном времени, query handlers, ограничений параллелизма, команд setup и безопасных операционных проверок.
Автор
Joseph OBrienЛицензия
MIT
Версия автора
v1.0.1
Ревизия Skillstore
r1
Ссылка
c4037264bbd363c572662d6154a3ab28f5ca4f53
Актуальность поддержки
26.07.2026
Использование
13 загрузок · 525 просмотров
Структура файлов
Создавайте надежную автоматизацию тестирования
Слабые тесты замедляют релизы и скрывают регрессии. Этот навык помогает со стратегией тестирования, TDD, автоматизацией, анализом покрытия и веб-проверками Playwright.
Отладка ошибок и первопричин
Ошибки и инциденты трудно разбирать, когда доказательства разбросаны по логам, трассировкам стека и сервисам. Этот навык структурирует диагностику, разбирает логи, выявляет паттерны и помогает находить минимальные исправления.
Быстрее находите контекст кода
Разработчики часто теряют время, выясняя, зачем существует код и что от него зависит. Этот навык подсказывает Claude, Codex или Claude Code собрать связанные знания из графа, вызывающие места, импорты и тесты перед внесением изменений.
Создание эффективных AI-навыков
Создавать переиспользуемые AI-навыки сложно, когда структура, ресурсы и правила проверки неясны. Этот навык предоставляет практический рабочий процесс для проектирования, написания, проверки и упаковки навыков.
Управление обновлениями зависимостей и аудитами
Обновления зависимостей могут скрывать уязвимости, проблемы с лицензиями и критические изменения. Этот навык помогает проводить аудиты, безопасные обновления и готовить отчеты для распространенных менеджеров пакетов.
Аудит веб-доступности на соответствие WCAG
Пробелы в доступности могут блокировать пользователей и создавать риски несоответствия требованиям. Этот навык помогает проводить аудиты WCAG, проверки со скринридерами, тестирование с клавиатуры и планирование исправлений.
Создание семантического поиска AgentDB
от DNYoussef
Командам нужен релевантный поиск документов для RAG и баз знаний. Этот навык помогает настроить AgentDB, хранение эмбеддингов, индексирование, API-поиск и настройку релевантности.
Создание надежных RAG-систем
от sickn33
RAG-проекты часто терпят неудачу, потому что качество извлечения слабое или не измеряется. Этот навык помогает выбирать подходы к разбиению на фрагменты, эмбеддингам, векторному поиску, гибридному извлечению, переранжированию и оценке.
Оптимизация стратегий эмбеддингов
от wshobson
Командам часто сложно выбрать модели эмбеддингов, размеры чанков и методы оценки для систем поиска. Этот навык предоставляет практические шаблоны и рекомендации по принятию решений для приложений семантического поиска и RAG.
Создание векторного поиска AgentDB
от DNYoussef
Командам нужно быстрое семантическое извлечение для документов, RAG-систем и баз знаний. Этот навык предоставляет настройку AgentDB, шаблоны поиска и рекомендации по тюнингу.
Создавайте надежные пайплайны данных
от davila7
Командам данных нужны надежные пайплайны, понятные модели данных и повторяемые операции. Этот навык помогает с архитектурой, проверками качества, оркестрацией, настройкой производительности и практиками DataOps.
Оптимизация векторного поиска AgentDB
от DNYoussef
Большие векторные базы данных могут становиться медленными, требовательными к памяти и сложными для бенчмаркинга. Этот навык предоставляет структурированный рабочий процесс оптимизации AgentDB для квантования, индексации HNSW, кэширования и проверки.