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:

Costruisci sistemi RAG, ricerca semantica e clustering di documenti con l'API di incorporamento Gemini (gemini-embedding-001). Genera incorporamenti di dimensioni 768-3072 per la ricerca vettoriale, integra con Cloudflare Vectorize e utilizza 8 tipi di attività (RETRIEVAL_QUERY, RETRIEVAL_DOCUMENT, SEMANTIC_SIMILARITY) per il recupero ottimizzato. Da utilizzare quando: implementare la ricerca vettoriale con incorporamenti di Google, creare sistemi di generazione aumentata con recupero, creare funzionalità di ricerca semantica, raggruppare documenti in base al significato, integrare incorporamenti con Cloudflare Vectorize, ottimizzare le dimensioni delle dimensioni (128-3072) o risolvere errori di mancata corrispondenza delle dimensioni, selezioni errate del tipo di attività, problemi relativi ai limiti di velocità (livello gratuito di 100 RPM), errori di normalizzazione dei vettori o errori di troncamento del testo (limite di 2.048 token). Fonte: ovachiever/droid-tings.