google-gemini-embeddings

SKILL.md

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:

Cette compétence fournit une couverture complète de l'API d'intégration Google Gemini (gemini-embedding-001) pour la création de systèmes RAG, la recherche sémantique, le regroupement de documents et la correspondance de similarité. À utiliser lors de la mise en œuvre de la recherche vectorielle avec les modèles d'intégration de Google, de l'intégration avec Cloudflare Vectorize ou de la création de systèmes de génération augmentée par récupération. Couvre l'utilisation du SDK (@google/genai), l'implémentation de Workers basés sur la récupération, le traitement par lots, 8 types de tâches (RETRIEVAL_QUERY, RETRIEVAL_DOCUMENT, SEMANTIC_SIMILARITY, etc.), l'optimisation des dimensions (128-3072) et les calculs de similarité cosinus. Empêche plus de 8 erreurs spécifiques à l'intégration, notamment les inadéquations de dimensions, les types de tâches incorrects, les problèmes de limitation de débit (niveau gratuit de 100 tr/min), les erreurs de normalisation vectorielle, la troncature de texte (limite de 2 048 jetons) et la confusion des versions de modèle. Inclut des modèles RAG prêts pour la production avec l'intégration de Cloudflare Vectorize, des stratégies de segmentation et des modèles de mise en cache. Économies de jetons : ~60 %. Production testée. Mots clés : intégrations Gemini, gemini-embedding-001, intégrations Google, recherche sémantique, RAG, recherche de vecteurs, regroupement de documents, recherche de similarité, génération augmentée de récupération, intégration de vectorisation, intégrations de vectorisation cloudflare, 768 dimensions, intégration de contenu Gemini, intégrations par lots, API d'intégration, similarité cosinus, normalisation vectorielle, requête de récupération, document de récupération, tâche types, inadéquation des dimensions, limite de taux d'intégration, troncature du texte, @google/genai Source : jackspace/claudeskillz.

Voir l'original