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:

该技能完整覆盖了 Google Gemini 嵌入 API (gemini-embedding-001)，用于构建 RAG 系统、语义搜索、文档聚类和相似性匹配。在使用 Google 的嵌入模型实现矢量搜索、与 Cloudflare Vectorize 集成或构建检索增强生成系统时使用。涵盖 SDK 使用 (@google/genai)、基于 fetch 的 Workers 实现、批处理、8 种任务类型（RETRIEVAL_QUERY、RETRIEVAL_DOCUMENT、SEMANTIC_SIMILARITY 等）、维度优化 (128-3072) 和余弦相似度计算。防止 8 个以上特定于嵌入的错误，包括维度不匹配、不正确的任务类型、速率限制问题（100 RPM 免费套餐）、向量标准化错误、文本截断（2,048 个令牌限制）和模型版本混淆。包括具有 Cloudflare Vectorize 集成、分块策略和缓存模式的生产就绪 RAG 模式。代币节省：~60%。生产测试。 关键词：gemini 嵌入、gemini-embedding-001、google 嵌入、语义搜索、RAG、矢量搜索、文档聚类、相似性搜索、检索增强生成、矢量化集成、cloudflare 矢量化嵌入、768 维度、嵌入内容 Gemini、批量嵌入、嵌入 api、余弦相似度、矢量归一化、检索查询、检索文档、任务类型、维度不匹配、嵌入率限制、文本截断、@google/genai 来源：jackspace/claudeskillz。

查看原文