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:

Gemini 임베딩 API(gemini-embedding-001)를 사용하여 RAG 시스템, 의미 체계 검색 및 문서 클러스터링을 구축하세요. 벡터 검색을 위한 768-3072 차원 임베딩을 생성하고, Cloudflare Vectorize와 통합하고, 최적화된 검색을 위해 8가지 작업 유형(RETRIEVAL_QUERY, RETRIEVAL_DOCUMENT, SEMANTIC_SIMILARITY)을 사용하세요. 사용 시기: Google 임베딩으로 벡터 검색 구현, 검색 증강 생성 시스템 구축, 의미 체계 검색 기능 생성, 의미에 따라 문서 클러스터링, Cloudflare Vectorize와 임베딩 통합, 차원 크기 최적화(128-3072), 차원 불일치 오류 문제 해결, 잘못된 작업 유형 선택, 속도 제한 문제(100RPM 프리 티어), 벡터 정규화 실수 또는 텍스트 잘림 오류(2,048 토큰 제한). 출처: ovachiever/droid-tings.

원본 보기