用途：该技能面向在 Databricks 上构建 RAG（检索增强生成）与语义检索/相似匹配应用，覆盖向量搜索索引的创建、管理与查询模式。
主要能力：Vector Search 提供托管式向量相似度检索，支持自动生成嵌入并与 Delta Lake 集成。核心组件包括端点（承载索引的计算资源）、索引（向量数据结构）、Delta Sync（与源 Delta 表自动同步）和 Direct Access（手动增删改查向量）。端点分 Standard（20-50ms 延迟，约 320M 向量/768 维）与 Storage-Optimized（300-500ms，1B+ 向量，成本约低 7 倍）。索引类型包括 Delta Sync 托管嵌入（由 Databricks 计算嵌入）、Delta Sync 自管理嵌入（自备向量）和 Direct Access。支持用 query_text 或 query_vector 查询，支持 HYBRID 混合检索（向量 ANN 与 BM25 关键词结合），适合查询含 SKU、错误码、专有名词等需精确匹配的场景。过滤方面，Standard 端点使用字典格式 filters_json，Storage-Optimized 使用 SQL 风格字符串过滤（经 databricks-vectorsearch 包的 filters 参数）。内置嵌入模型有 databricks-gte-large-en（1024 维、8192 tokens）与 databricks-bge-large-en（1024 维、512 tokens）。
使用方式：可通过 Databricks SDK（WorkspaceClient 的 vector_search_endpoints/vector_search_indexes）、CLI（如 databricks vector-search endpoints create --name my-endpoint --endpoint-type STANDARD）或 MCP 工具（manage_vs_endpoint、manage_vs_index、query_vs_index、manage_vs_data）管理。TRIGGERED 管道需手动调用 sync_index 同步。
适用场景与限制：适合 RAG、语义搜索、从 Delta 表建索引等。创建端点为异步操作，需查询状态；仅同步的列（columns_to_sync）可在查询结果中返回；查询与索引维度必须一致；MCP 工具调用可能截断大向量，建议优先用 query_text 或改用 SDK/CLI。Management 工具用于生命周期管理，运行时智能体工具调用应使用 VectorSearchRetrieverTool 或 Databricks 托管的 Vector Search MCP 服务器。