Vector Databases

knowledge-ops é uma skill de knowledge-ops para gerenciar uma base de conhecimento em múltiplas camadas, com arquivos locais, memória MCP, bancos vetoriais e repositórios Git. Use para ingerir, organizar, sincronizar, deduplicar e recuperar notas, conversas, documentos e fatos de projetos com limites de armazenamento claros.

vector-index-tuning ajuda a ajustar índices de busca vetorial para latência, recall e uso de memória. Use a skill para escolher tipos de índice, configurar parâmetros de HNSW e comparar opções de quantização em fluxos de RAG.

rag-implementation é uma skill prática para planejar sistemas de RAG com bancos de dados vetoriais, embeddings, padrões de recuperação e fluxos de resposta ancorada em fontes. Use para comparar opções de stack, orientar decisões de arquitetura e guiar instalação e uso em Q&A sobre documentos, assistentes de conhecimento e busca semântica.

similarity-search-patterns ajuda você a escolher métricas de distância, tipos de índice e padrões de recuperação híbrida para busca semântica e fluxos de trabalho de RAG. Use a skill para planejar os trade-offs da busca vetorial em produção entre recall, latência e escala.

A skill hybrid-search-implementation mostra como combinar recuperação vetorial e por palavras-chave com RRF, fusão linear, reranking e padrões em cascata para sistemas de busca e RAG.

A azure-search-documents-ts ajuda desenvolvedores de backend a criar soluções com o Azure AI Search usando o SDK @azure/search-documents. Use-a para criação de índices, upload de documentos, buscas por palavra-chave, vetoriais, híbridas e semânticas, além de configuração de credenciais e ambiente. É um guia prático de azure-search-documents-ts para desenvolvimento backend.

azure-search-documents-py é a skill em Python para Azure AI Search voltada a desenvolvimento backend, cobrindo instalação, autenticação, design de índices, busca vetorial, busca híbrida, ranking semântico e recuperação agentic. Use a skill azure-search-documents-py quando precisar de orientação prática, da configuração aos padrões de consulta que realmente funcionam.

azure-search-documents-dotnet é um skill .NET para Azure AI Search. Ele ajuda desenvolvedores de backend a escolher os clientes certos, instalar o SDK e aplicar o uso de azure-search-documents-dotnet para busca full-text, semântica, vetorial e híbrida, com orientação clara para indexação, consultas e autenticação.

memory-systems é um guia para projetar memória de agentes que persiste entre sessões. Ele cobre decisões de arquitetura com foco em backend, incluindo vector stores, grafos de entidades e grafos de conhecimento temporal, além de quando usar cada um. Use esta skill memory-systems para planejar recuperação durável, continuidade de entidades e estado de longo prazo para agentes.