向量检索配置
分布式向量库(从每次查询学习),本地 embedding 无云依赖,支持语义搜索/RAG/图查询/自改进记忆。
功能与用途
该工具用于在本地环境中生成与管理向量嵌入,支持语义搜索、RAG检索及图关系查询。用户输入文本内容、向量维度配置或Cypher查询语句,系统利用内置ONNX模型生成嵌入向量并返回相似度匹配结果;同时借助图神经网络(GNN)层从每次查询中自学习,无需手动重建索引即可持续提升召回精度。适用于构建自主Agent的自改进记忆系统或离线知识检索,使用者需具备基础的Node.js开发与向量检索知识。
适用场景
- 离线语义搜索与本地RAG:在无外部API依赖的私有环境中,利用内置嵌入模型实现文档向量化,为本地LLM提供安全可靠的知识库语义检索与上下文补充。
- 自主智能体长期自学习记忆:为AI Agent搭建自进化记忆系统,利用图神经网络捕获查询与交互特征,使记忆召回效果随使用频率增加而持续自我优化。
- 知识图谱与向量混合查询:基于Cypher语法直接对向量数据库执行图查询,快速发现实体间的相似度与拓扑关联,满足多跳图谱检索与复杂关系挖掘需求。
适用人群
- AI 开发者
- 研究者
- 知识库构建者
使用步骤
- 部署本地 RuVector(ONNX embedding)。
- 写入向量并配置参数。
- 用 Cypher/语义查询检索。
- 随查询观察索引自改进。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-09
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Use when generating and managing vector embeddings for semantic search
使用前准备
- 本地运行环境
- 待向量化的文本/知识
依赖与权限
- 读取用户主动提供的内容