google-gemini-embeddings

This skill provides comprehensive coverage of the gemini-embedding-001 model for generating text embeddings, including SDK usage, REST API patterns, batch processing, RAG integration with Cloudflare Vectorize, and advanced use cases like semantic search and document clustering.

Result: A 768-dimension embedding vector representing the semantic meaning of the text.

The model supports flexible output dimensionality using Matryoshka Representation Learning:

أنشئ أنظمة RAG والبحث الدلالي وتجميع المستندات باستخدام Gemini embeddings API (gemini-embedding-001). أنشئ تضمينات أبعاد 768-3072 للبحث المتجه، وتكامل مع Cloudflare Vectorize، واستخدم 8 أنواع مهام (RETRIEVAL_QUERY، وRETRIEVAL_DOCUMENT، وSEMANTIC_SIMILARITY) للاسترجاع الأمثل. يُستخدم عندما: تنفيذ البحث المتجه باستخدام تضمينات Google، أو إنشاء أنظمة توليد معززة للاسترجاع، أو إنشاء ميزات بحث دلالية، أو تجميع المستندات حسب المعنى، أو دمج التضمينات مع Cloudflare Vectorize، أو تحسين أحجام الأبعاد (128-3072)، أو استكشاف أخطاء عدم تطابق الأبعاد وإصلاحها، أو التحديدات غير الصحيحة لنوع المهمة، أو مشكلات حدود المعدل (طبقة مجانية 100 دورة في الدقيقة)، أو أخطاء تسوية المتجهات، أو أخطاء اقتطاع النص (2,048 حد رمزي). المصدر: ovachiever/droid-tings.