用途：该技能汇总 Azure Cosmos DB 向量搜索的配置与使用最佳实践，面向 AI 语义搜索和 RAG（检索增强生成）场景。
主要能力：覆盖启用账户级向量搜索功能、定义向量嵌入策略、在索引策略中选择与配置向量索引类型（flat、quantizedFlat、diskANN）、为余弦相似度归一化嵌入、使用 VectorDistance 进行相似度查询，以及以仓储模式（repository pattern）实现向量搜索。
适用场景：在 Cosmos DB 账户上开启向量搜索、设计嵌入策略、挑选向量索引类型、编写向量相似度查询、实现基于 Cosmos DB 的 RAG 模式时参考。
使用方式：资料以规则条目形式组织，包括 vector-enable-feature、vector-embedding-policy、vector-index-type、vector-normalize-embeddings、vector-distance-query、vector-repository-pattern；完整展开内容见 AGENTS.md。具体命令、代码示例与安装方式暂未提供。
限制：资料未说明支持的平台版本、性能指标、收费或价格信息，也未给出完整操作步骤，需结合官方文档确认。