Создание систем гибридного поиска
Одиночные методы поиска пропускают точные термины или семантические совпадения. Этот навык проводит Claude, Codex и Claude Code через практические паттерны гибридного поиска.
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 "hybrid-search-implementation" from https://skillstore.io/skills/sickn33-hybrid-search-implementation.md and its manifest at https://skillstore.io/api/skills/sickn33-hybrid-search-implementation/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 «hybrid-search-implementation». Мне нужны точные коды продуктов и семантические совпадения в статьях поддержки.
Ожидаемый результат:
Рекомендуемый гибридный дизайн с использованием BM25 для кодов продуктов, векторов для перефразировок и RRF для финального ранжирования.
Использование «hybrid-search-implementation». Мой vector search пропускает именованные сущности.
Ожидаемый результат:
Использование «hybrid-search-implementation». Выбрать между RRF и linear score fusion.
Ожидаемый результат:
Сводка компромиссов, объясняющая, когда RRF проще, а когда калиброванные scores оправдывают linear fusion.
All 32 static findings are false positives caused by keywords, Markdown backticks, headings, or a database fetch method. A separate high-severity SQL injection risk exists because the PostgreSQL example interpolates metadata keys into a query.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/sickn33-hybrid-search-implementation/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/sickn33-hybrid-search-implementation?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/sickn33-hybrid-search-implementation?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-hybrid-search-implementation/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/sickn33-hybrid-search-implementation.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>sickn33. (2026). hybrid-search-implementation security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-hybrid-search-implementation/audits/5@techreport{sickn33-sickn33-hybrid-search-implementation-2026,
author = {sickn33},
title = {hybrid-search-implementation security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-hybrid-search-implementation/audits/5},
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: "hybrid-search-implementation security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-24"
url: "https://skillstore.io/skills/sickn33-hybrid-search-implementation/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-hybrid-search-implementation:audit:5"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
wshobson-hybrid-search-implementation
2026-09-09
sickn33-hybrid-search-implementation
2026-09-09
Спроектировать retrieval, который балансирует семантические совпадения с точным нахождением терминов перед генерацией ответа.
Сравнить pgvector, Elasticsearch, RRF и паттерны reranking для нового поискового сервиса.
Рассмотреть варианты fusion и выбрать стратегию ранжирования для поиска по продукту или поддержке.
Объясни, подходит ли hybrid search для моего проекта. Мой корпус — [domain], запросы — [types], а текущие сбои — [examples].
Спроектируй hybrid search pipeline для [database or search engine]. Включи индексирование, шаги retrieval, fusion и проверки валидации.
Помоги мне реализовать RRF для результатов vector и keyword. Используй мои формы данных: [describe result fields].
Проверь мой production-дизайн hybrid RAG на качество ранжирования, задержку, наблюдаемость и риски безопасности. Предложи конкретные изменения.
Автор
sickn33Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/hybrid-search-implementationСсылка
88a8e9a07f4c54ab105c1c41b6267c287146b07b
Актуальность поддержки
05.08.2026
Использование
8 загрузок · 111 просмотров
Структура файлов
Создание маркетингового контента в едином стиле бренда
Маркетинговым командам нужен контент, который остается согласованным во всех каналах. Этот навык помогает планировать, писать, анализировать и оптимизировать контент с учетом голоса бренда и SEO.
Улучшайте LLM-промпты с помощью проверенных паттернов
Непоследовательные промпты тратят время и снижают доверие к результатам AI. Этот навык помогает проектировать промпты с использованием переиспользуемых паттернов, примеров, этапов оценки и рабочих процессов оптимизации.
Проектируйте масштабируемые архитектуры ПО
Архитектурные решения сложно сравнивать для веб-, мобильных, backend- и облачных систем. Этот навык предоставляет структурированные руководства и локальные скрипты-заготовки для отчетов, анализа зависимостей и документирования компромиссов.
Создавайте fullstack-приложения с senior-паттернами
Командам нужны единые рекомендации по настройке, архитектуре и ревью для современных веб-приложений. Этот skill предоставляет scaffolders, справочные материалы по рабочим процессам и quality prompts для проектов на React, Next.js, Node.js, GraphQL и PostgreSQL.
Оптимизируйте AI-промпты с Prompt Engineer
Писать понятные промпты сложно, когда цели расплывчаты или комплексны. Этот навык превращает черновые запросы в структурированные промпты с использованием проверенных фреймворков для промптинга.
Приоритизируйте продуктовую работу с помощью исследовательских инсайтов
Продуктовым командам нужны более быстрые способы ранжировать функции, обобщать интервью и документировать решения. Этот навык предоставляет RICE-оценку, анализ интервью и шаблоны PRD для структурированного планирования.
Создание продвинутого векторного поиска AgentDB
от DNYoussef
Распределенный векторный поиск требует тщательного планирования репликации, метрик, мониторинга и развертывания. Этот навык предоставляет поэтапный рабочий процесс AgentDB для масштабируемых гибридных поисковых систем.
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.
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.
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.
Оптимизация индексов векторного поиска
от wshobson
Системы векторного поиска сложно настраивать, потому что задержка, полнота поиска, память и время построения конфликтуют между собой. Этот навык предоставляет практические шаблоны для настройки HNSW, квантизации, конфигурации Qdrant и мониторинга.