Agent Skills
返回列表
💻

Rust 向量索引轻量相似度检索

开发编程 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-rust-vector-index。

技能介绍

要解决什么问题

在本地或小规模服务里做相似度检索,很多人要么直接上重量级向量数据库,要么在 Python 里堆脚本却迟迟不落地。用 Rust 写向量索引时,还会卡在:索引结构怎么选、PR 里并发与边界怎么审、检索接口契约怎么定、线上召回异常怎么按证据排查。本技能不是「再讲一遍 ANN 论文」,而是把代码评审、方案设计、调试排错、架构权衡、API 设计、工程规范六类诉求,落到「Rust 向量索引 + 轻量相似度检索」这一具体主题上,产出可直接套用的清单与模板。

技能如何工作

听到对应触发词会进入单一能力或组合使用,例如:

  • 代码评审(review / CR):输入 diff/PR,输出分级检查清单(阻断 / 建议 / 可选),优先正确性、安全与可维护性。
  • 技术方案设计:输入需求与约束,输出背景 / 目标 / 选型 / 风险等结构化方案骨架。
  • 调试排错(debug / 排查):输入报错与上下文,按「稳定复现 → 隔离变量 → 看证据 → 假设验证 → 修复回归」给出定位树。
  • 架构权衡(选型 / 对比):针对场景与规模,对比内存索引、持久化、批更新与 QPS 等维度的利弊表。
  • API 设计:围绕资源与操作,整理 RESTful 规范、字段契约与错误码。
  • 工程规范:按语言 / 框架给出清单与常见反模式,避免把临时检索脚本写成不可维护的核心路径。

围绕向量检索的典型交付包括:索引 crate 与数据结构评审要点、轻量部署方案(单机 / sidecar)、检索链路可观测性与回滚策略等,把通用工作流里的占位项替换成你的实际约束即可。

适用边界与注意点

本技能提供方法论、模板与检查清单,不替代你对业务语义与数据合规的最终判断;不接入付费托管向量服务,也不处理真实密钥或凭证(仅脱敏示例)。代码评审结论供参考,合并与上线决策仍由负责人承担。若你的场景已是超大规模分布式 ANN 集群,本技能更侧重「轻量、可控、可渐进演进」阶段的工程取舍,而非厂商选型话术。

使用场景

  • 合并前审查 Rust 向量索引 PR:检查并发写入、维度一致性与检索热路径内存占用
  • 为小规模语义搜索写技术方案:约束单机部署、索引更新频率与召回延迟上限
  • 检索结果全为空或分数异常时,按复现、日志与版本隔离二分定位根因
  • 在内存 HNSW、暴力扫描与外挂索引库之间做选型,列出规模与运维成本对比表

适合人员

  • 负责嵌入流水线与检索服务的后端工程师,需要在 Rust 侧落地轻量索引而非直接上托管向量库
  • 技术负责人要在百万级文档以内选型索引方案,并要写清回滚与可观测性
  • 全栈工程师要定相似度检索 HTTP 接口,避免联调阶段反复改字段与错误语义
  • 独立开发者维护单机知识库检索,希望用结构化清单做 self-review 与线上排错