Создание семантического поиска AgentDB
Командам нужен релевантный поиск документов для RAG и баз знаний. Этот навык помогает настроить AgentDB, хранение эмбеддингов, индексирование, API-поиск и настройку релевантности.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "agentdb-semantic-vector-search" from https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search.md and its manifest at https://skillstore.io/api/skills/dnyoussef-agentdb-semantic-vector-search/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.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 «agentdb-semantic-vector-search». Спланируйте семантический поиск для статей поддержки.
Ожидаемый результат:
Использование «agentdb-semantic-vector-search». Улучшите слабые результаты поиска в базе знаний.
Ожидаемый результат:
Использование «agentdb-semantic-vector-search». Спроектируйте API извлечения для RAG.
Ожидаемый результат:
The flagged reconnaissance items are false positives caused by normal hybrid search documentation. The external command finding is a Markdown TypeScript code fence, and the network finding is a documentation URL. No semantic prompt injection, data exfiltration intent, or malicious behavior was found in the reviewed files.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-agentdb-semantic-vector-search/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/dnyoussef-agentdb-semantic-vector-search.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>DNYoussef. (2026). agentdb-semantic-vector-search security audit report (audit version 8) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search/audits/8@techreport{dnyoussef-dnyoussef-agentdb-semantic-vector-search-2026,
author = {DNYoussef},
title = {agentdb-semantic-vector-search security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search/audits/8},
note = {Author version 1.0.0}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "agentdb-semantic-vector-search security audit report (audit version 8)"
version: "1.0.0"
type: report
authors:
- name: "DNYoussef"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/dnyoussef-agentdb-semantic-vector-search/audits/8"
identifiers:
- type: other
value: "skillstore:dnyoussef-agentdb-semantic-vector-search:audit:8"
description: "Skillstore immutable audit report identifier"
Создайте слой векторного поиска, который возвращает релевантный контекст для ответов LLM.
Добавьте семантическое сопоставление, чтобы пользователи могли находить документы по смыслу, а не по точным ключевым словам.
Спланируйте метрики извлечения, проверки лучших результатов и циклы настройки качества поиска.
Используйте этот навык, чтобы спланировать индекс семантического поиска AgentDB для моего корпуса документов. Включите размерности, поля метаданных и метрики успеха.
Используйте этот навык, чтобы спроектировать поток загрузки документов с эмбеддингами, хранением метаданных и обработкой дубликатов для AgentDB.
Используйте этот навык, чтобы описать эндпоинты REST API для семантического поиска, фильтрации, пагинации и ранжирования результатов.
Используйте этот навык, чтобы улучшить существующую систему поиска AgentDB с помощью гибридного извлечения, повторного ранжирования и оценки релевантности.
Автор
DNYoussefЛицензия
MIT
Версия автора
v1.0.0
Ревизия Skillstore
r1
Ссылка
72d5025b022c77f7a51bdf5c1637c689c80e89d1
Актуальность поддержки
18.07.2026
Использование
5 загрузок · 220 просмотров
Структура файлов
Создание слэш-команд для AI-рабочих процессов
Повторяющиеся AI-рабочие процессы выполняются медленно, когда пользователи полагаются на длинные промпты на естественном языке. Этот навык помогает определять краткие слэш-команды с маршрутизацией, валидацией, цепочками и справочным текстом.
Создание сфокусированных AI-микронавыков
Переиспользуемые AI-процессы часто становятся слишком широкими и сложными для тестирования. Этот навык помогает определять сфокусированные навыки с профильными промптами, контрактами и планами валидации.
Оркестрация каскадов навыков с несколькими моделями
Сложная работа с AI часто требует нескольких навыков, моделей и проверок качества. Этот навык помогает проектировать каскады с маршрутизацией, тестированием в песочнице, координацией swarm и памятью.
Выберите Claude Code Web или CLI
Команды теряют время, когда выбирают неподходящий интерфейс Claude Code для задачи. Этот навык рекомендует Web, CLI или гибридный рабочий процесс передачи сессии.
Создание доступных презентаций PowerPoint
Ручная подготовка презентаций может быть медленной и непоследовательной. Этот навык проводит Claude, Codex или Claude Code через структурированную генерацию и проверку PPTX.
Создание постоянной памяти AgentDB
AI-агенты часто теряют полезный контекст между сессиями. Этот навык предоставляет структурированный рабочий процесс AgentDB для памяти сессий, долговременного хранения и обучения на паттернах.
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 систем векторного поиска
от sickn33
Проекты векторного поиска требуют четких архитектурных решений до того, как команды выберут индекс или базу данных. Этот навык помогает проектировать извлечение данных, стратегию эмбеддингов и настройку производственных систем.
Создание production-систем ML и RAG
от davila7
Production-системы ML сложно последовательно проектировать, развертывать и мониторить. Этот навык помогает с MLOps, интеграцией LLM, архитектурой RAG и локальными заготовками рабочих процессов.
Настройка индексов векторного поиска
от sickn33
Настройка векторного поиска может впустую расходовать память и скрывать регрессии recall. Этот навык дает практические бенчмарки, рекомендации по параметрам и проверки мониторинга для production-индексов.
Проверяйте источники RAG перед загрузкой
от sickn33
Проекты RAG могут загружать слабые или неподтвержденные источники, которые снижают качество ответов. Этот навык дает структурированный рабочий процесс проверки до того, как контент попадет в базу знаний.