Выполните поиск семантического сходства с помощью pgvector. Используйте, когда вас просят «поиск похожих документов», «найти связанный контент», «семантический поиск», «векторный поиск» или при реализации этапа поиска в конвейерах RAG.
Быстро установите AI-навык pgvector-similarity-search в вашу среду разработки через командную строку
Источник: constructive-io/constructive-skills.
Query vector embeddings using pgvector's similarity operators. This skill covers the retrieval phase of RAG pipelines.
| | Cosine distance | Most common, normalized vectors | | | Euclidean (L2) | When magnitude matters | | | Inner product | Dot product similarity |
Cosine distance is recommended for text embeddings as it measures angle between vectors, ignoring magnitude.
Выполните поиск семантического сходства с помощью pgvector. Используйте, когда вас просят «поиск похожих документов», «найти связанный контент», «семантический поиск», «векторный поиск» или при реализации этапа поиска в конвейерах RAG. Источник: constructive-io/constructive-skills.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/constructive-io/constructive-skills --skill pgvector-similarity-searchВыполните поиск семантического сходства с помощью pgvector. Используйте, когда вас просят «поиск похожих документов», «найти связанный контент», «семантический поиск», «векторный поиск» или при реализации этапа поиска в конвейерах RAG. Источник: constructive-io/constructive-skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/constructive-io/constructive-skills --skill pgvector-similarity-search После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/constructive-io/constructive-skills