向量索引性能与召回优化
原名：vector-index-tuning
按数据规模和查询样本调整索引参数，在召回、延迟和内存之间做实测取舍。
中文 Skills 技能说明
知识检索越来越慢或相似结果遗漏时，可让数据库可靠性工程师与 Ai 模型测试工程师配合。提供脱敏向量样本、索引类型、查询集和资源限制，技能比较 HNSW、IVF 等配置，交付基准方案、参数建议与效果对照。没有测量就不承诺提速或召回率，必须保留权限过滤与引用链。桌面端需自有数据库和测试工具，先在复制环境验证，重建索引确认备份、资源成本和切换步骤；生产修改及企业数据外发由管理员审核。
上游能力依据
上游原始适用说明：Optimize vector index performance for latency, recall, and memory. Use when tuning HNSW parameters, selecting quantization strategies, or scaling vector search infrastructure.
上游 SKILL.md 主要章节（保留原文标题）：
- When to Use This Skill
- Core Concepts
- 1. Index Type Selection
- 2. HNSW Parameters
- 3. Quantization Types
- Templates and detailed worked examples
- Best Practices
- Do's
- Don'ts
使用边界
先读取项目约定、依赖版本和现有测试，再提出最小改动。写文件、运行脚本、提交代码或发布前应检查差异并保留回退路径。
作者、翻译与许可证
- 原作者
- Seth Hobson（wshobson）与 agents contributors
- 中文翻译
- CEOFans翻译
- 许可证
- MIT
- 上游来源
- https://github.com/wshobson/agents/tree/46891e7e60da0e52baf1050b7b6391b64e84c6d9/plugins/llm-application-dev/skills/vector-index-tuning
适用范围
平台：linux、macos、windows；标签：AI 工程、向量索引性能与召回优化、开源技能
安全提示
基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。
如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。