用途：通过脚本调用 Gemini Embedding API 生成文本向量，用于语义搜索、相似度分析、聚类和 RAG（检索增强生成）等应用。
主要能力：scripts/embed.js 可生成文本嵌入并计算相似度。参数包括：texts（必填，待嵌入文本）、--model/-m（默认 gemini-embedding-001）、--task/-t（任务类型）、--dim/-d（输出维度 768、1536、3072）、--similarity/-s（计算成对相似度）、--json/-j（JSON 输出）。
使用方式：基本嵌入：node scripts/embed.js "Your text here"。语义搜索可先用 --task RETRIEVAL_QUERY 生成查询向量，再用 --task RETRIEVAL_DOCUMENT 生成文档向量。相似度对比：node scripts/embed.js "Text 1" "Text 2" "Text 3" --similarity，输出 0-1 分值。降维：--dim 768 更快但精度降低。JSON 输出便于入库或 API 集成，可与 gemini-text 组合实现 RAG。
适用场景：语义相似文档查找、语义搜索引擎、RAG、文档聚类、文本相似度评分、推荐系统、语义检索、为 AI 应用创建向量数据库。
限制：需要安装 @google/genai 并配置 API Key；相似度计算需 numpy；任务类型大小写敏感且仅限 SEMANTIC_SIMILARITY、RETRIEVAL_DOCUMENT、RETRIEVAL_QUERY、CLASSIFICATION、CLUSTERING；维度仅支持 768、1536、3072，所有嵌入须一致；相似度比较至少提供两段文本。部分关联技能（如 gemini-search）资料未提供。API Key 获取与文档链接见资料参考。