vector-db 是 alphaonedev/openclaw-graph 提供的技能，用于向量数据库的存储、索引与查询，帮助 AI/ML 应用完成相似度搜索、嵌入向量管理与实时向量生成后的检索，避免暴力比较。适用于推荐引擎、NLP 语义搜索、图像检索等需要快速向量近邻查询的场景，尤其是处理 BERT 等模型产生的大规模嵌入数据。
主要能力：支持带元数据的向量存储与索引近邻搜索；支持 cosine、Euclidean、dot product 等距离度量；向量维度最高 2048，可扩展到百万级条目；可与嵌入模型集成，实现实时向量生成与查询。
使用方式：可通过 CLI 的 vector-db 命令或 API（https://api.openclaw.com/vector-db/v1）调用。使用前需设置环境变量 $VECTOR_DB_API_KEY 认证。CLI 常用流程为先建索引、再插入向量、最后查询，例如：vector-db create index --name myindex --dimension 768 --metric cosine --file config.json；vector-db insert --index myindex --vectors "[0.1, 0.2, 0.3]" --id vec1。API 查询为 POST /indexes/myindex/query，请求体包含 vector 与 top_k；删除索引为 DELETE /indexes/myindex，需带 Authorization: Bearer $VECTOR_DB_API_KEY。复杂配置可用 JSON 文件，如 { "dimension": 768, "metric": "cosine" }。
限制与注意事项：资料未提供收费、平台兼容性和性能上限等细节。需自行确认 API 基础地址与实际部署一致；注意处理 401 认证失败、向量维度不匹配和网络错误，可加重试；使用 JSON 数组格式传入向量，批量插入可用 --batch。