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:

Créez des systèmes RAG, une recherche sémantique et un clustering de documents avec l'API d'intégration Gemini (gemini-embedding-001). Générez des intégrations de dimensions 768-3072 pour la recherche vectorielle, intégrez-les à Cloudflare Vectorize et utilisez 8 types de tâches (RETRIEVAL_QUERY, RETRIEVAL_DOCUMENT, SEMANTIC_SIMILARITY) pour une récupération optimisée. À utiliser lors de : la mise en œuvre d'une recherche vectorielle avec des intégrations Google, la création de systèmes de génération augmentée par récupération, la création de fonctionnalités de recherche sémantique, le regroupement de documents par signification, l'intégration d'intégrations avec Cloudflare Vectorize, l'optimisation des tailles de dimension (128-3072) ou le dépannage d'erreurs d'incompatibilité de dimension, de sélections de types de tâches incorrectes, de problèmes de limite de débit (niveau gratuit de 100 tr/min), d'erreurs de normalisation vectorielle ou d'erreurs de troncature de texte (limite de 2 048 jetons). Source : ovachiever/droid-tings.

Voir l'original