MCP 让 AI 助手能够“操作”向量数据库，但它并不了解 Zvec 的最佳实践——什么场景选什么索引？ Schema 怎么设计更合理？文档该如何切分存储？这些经验性知识仅靠工具调用无法获得。
Zvec Agent Skills 通过向 AI 助手注入 Zvec 的领域知识，让它不仅能调用工具，还能像一个熟悉 Zvec 的开发者一样思考。安装后，你只需描述业务场景，AI 就能给出完整的 Schema 设计、索引策略和可运行的代码。
安装配置
1. 安装 Skill
npx skills add github:zvec-ai/zvec-agent-skills --skill "zvec"
2. 安装 Zvec 依赖
根据你的开发语言选择安装方式：
Python:
pip install zvec
Node.js:
npm install @zvec/zvec
在 Qoder/Claude 中使用
启动对话
Qoder/Claude 会自动识别已安装的 skills。在与其对话时，可以直接询问 Zvec 相关问题：
我想用 Zvec 构建一个 RAG 文档检索系统
如何使用 Zvec 进行混合搜索（向量 + 过滤条件）？
帮我创建一个存储产品信息的 Collection，包含名称、价格和向量字段
最佳实践
1. 明确指定开发语言
在与 Qoder/Claude 对话时，首先说明你的开发语言，以便获得准确的代码示例：
我使用 Python，想用 Zvec 实现语义搜索功能...
我在 Node.js 项目中需要用到 Zvec 的多向量搜索...
2. 描述使用场景
提供具体的业务场景，Qoder/Claude 可以给出更有针对性的建议：
我需要构建一个电商商品搜索系统，要求：
- 支持按商品描述语义搜索
- 可以按价格区间、库存状态过滤
- 数据量约 50 万条商品
3. 询问决策建议
对于技术选型问题，可以直接询问 Qoder/Claude 的建议：
我的数据量有 500 万条，应该使用什么索引类型？
RAG 系统中，文档应该如何切分和存储到 Zvec？
典型使用场景示例
场景 1: RAG 文档检索系统
用户输入:
我想用 Python 和 Zvec 构建一个 RAG 文档检索系统，用于技术支持知识库。
文档是 Markdown 格式，需要支持语义搜索。
Qoder/Claude 将提供:
- Collection Schema 设计建议
- 文档切分策略
- 向量生成和存储代码
- 检索查询示例
场景 2: 电商商品搜索
用户输入:
我需要在 Node.js 项目中实现电商商品搜索：
- 支持商品名称和描述的语义搜索
- 可以按价格、分类、品牌过滤
- 支持多模态（图片 + 文本）搜索
Qoder/Claude 将提供:
- 多字段 Schema 定义
- 混合搜索（向量 + 标量过滤）代码
- 多向量查询和加权排序示例
提示词技巧
高效提问模板
模板 1: 快速开始
我是 [Python/Node.js] 开发者，想用 Zvec 做 [使用场景]。
请给我完整的快速开始代码。
模板 2: 具体问题
我在使用 Zvec 时遇到了问题：
- 开发语言: [Python/Node.js]
- 问题描述: [具体问题]
- 当前代码: [相关代码片段]
- 错误信息: [如有]
模板 3: 架构咨询
我需要设计一个 [系统描述]，使用 Zvec 作为向量数据库。
- 数据规模: [数据量]
- 查询类型: [搜索/过滤/混合]
- 性能要求: [延迟/吞吐量要求]
请帮我设计 Schema 和索引策略。
