vector-database-engineer

Expert in vector databases, embedding strategies, and semantic search implementation. Masters Pinecone, Weaviate, Qdrant, Milvus, and pgvector for RAG applications, recommendation systems, and similar

1. Załaduj umiejętność Vector Database Engineer w swoim agencie Claude/Copilot. Umiejętność aktywuje się automatycznie, gdy pracujesz nad zadaniami związanymi z wektorowymi bazami danych, wyszukiwaniem semantycznym lub systemami RAG.

2. Opisz swoje cele i ograniczenia — na przykład: jakie dane chcesz indeksować, ile wektorów planujesz przechowywać, jakie są wymagania dotyczące opóźnień wyszukiwania. Umiejętność analizuje charakterystykę danych i wzorce zapytań, aby zaproponować odpowiednie rozwiązanie.

3. Pozwól umiejętności wybrać model osadzania i bazę danych. Na podstawie Twoich wymagań sugeruje ona odpowiednią bazę (Pinecone, Weaviate, Qdrant, Milvus lub pgvector) oraz typ indeksu (HNSW, IVF, PQ).

4. Pracuj z umiejętością nad projektowaniem pipeline'u przetwarzania — chunking dokumentów, preprocessing danych, konfiguracja schematu metadanych do filtrowania. Umiejętność proponuje strategie optymalizacji i hybrydowego wyszukiwania (wektory + słowa kluczowe).

5. Wdróż rozwiązanie i zoptymalizuj je pod kątem kompromisu między opóźnieniami a dokładnością wyszukiwania. Umiejętność dostarcza kroki weryfikacji i wskazówki dotyczące monitorowania oraz reindeksowania.

6. Jeśli potrzebujesz szczegółowych przykładów implementacji, umiejętność odsyła Cię do pliku resources/implementation-playbook.md, gdzie znajdziesz praktyczne wzorce dla konkretnych przypadków użycia.