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:

Создавайте системы RAG и семантический поиск с помощью вложений Gemini (gemini-embedding-001). 768-3072 вектора измерений, 8 типов задач, интеграция Cloudflare Vectorize. Предотвращает 13 задокументированных ошибок. Используется при: векторном поиске, RAG-системах, семантическом поиске, кластеризации документов. Устранение неполадок: несоответствие размеров, требуется нормализация, ошибка пакетного заказа, ограничения памяти, неправильный тип задачи, ограничения скорости (100 об/мин). Источник: jezweb/claude-skills.