agentdb-semantic-vector-search
关于
This skill enables developers to build semantic vector search systems using AgentDB for intelligent document retrieval and RAG applications. It provides embedding-based similarity matching to create knowledge bases and query APIs. Use it when implementing search functionality that requires understanding semantic meaning rather than just keyword matching.
快速安装
Claude Code
推荐npx skills add aiskillstore/marketplace -a claude-code/plugin add https://github.com/aiskillstore/marketplacegit clone https://github.com/aiskillstore/marketplace.git ~/.claude/skills/agentdb-semantic-vector-search在 Claude Code 中复制并粘贴此命令以安装该技能
GitHub 仓库
相关推荐技能
agentdb-reinforcement-learning-training
其他这个Skill让开发者能够使用AgentDB的9种强化学习算法（包括Q-Learning、DQN、PPO等）来训练AI智能体。它提供了完整的训练循环实现，支持经验回放机制，并能将优化后的模型部署到生产环境。适合需要构建自学习智能体、实现强化学习训练流程的开发者快速上手。
agentdb-persistent-memory-patterns
其他这个Skill帮助开发者为AI代理实现持久化内存系统，使用AgentDB管理会话内存和长期存储。它特别适用于构建有状态的聊天系统和智能助手，提供模式学习和上下文管理能力。关键特性包括快速检索架构、模式识别系统和可维护的上下文API。
advanced-agentdb-vector-search-implementation
其他这个Skill帮助开发者掌握AgentDB的高级向量搜索功能，特别适用于构建分布式AI系统。它涵盖了QUIC同步、多数据库管理、自定义距离度量和混合搜索等关键特性。通过这个Skill，开发者能够实现比基线快150倍的搜索性能，并构建高性能的分布式向量数据库集群。
agentdb-vector-search-optimization
其他该Skill帮助开发者优化AgentDB向量搜索性能，适用于处理百万级向量的高负载场景。它通过量化技术实现4-32倍内存压缩，结合HNSW索引将搜索速度提升150倍，并利用缓存和批处理确保高吞吐。最终可达成P95延迟低于10ms、每秒超5万次操作且精度保持95%以上的生产级性能。