用途：该技能用于对 AgentDB 向量数据库做性能优化，通过量化、HNSW 索引、缓存策略和批量操作，在保持检索精度的前提下降低内存占用并提升搜索速度。
主要能力：
- 量化策略：binary（约32倍内存压缩，精度约95-98%）、scalar（约4倍，精度约98-99%）、product（约8-16倍，精度约93-97%）、none（全精度）。
- HNSW 索引：自动构建，可调 hnswM、hnswEfConstruction、hnswEfSearch 参数，将线性扫描替换为 O(log n) 检索。
- 缓存：内存模式缓存（cacheSize 可配），LRU 淘汰，目标命中率 >80%。
- 批量操作：批量插入与并行检索，减少重复开销。
- 内存优化：自动/手动 consolidate、prune 低置信度或过期模式。
- 监控：通过 stats 查看模式数、库大小、缓存命中率、搜索与插入延迟。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+（经 agentic-flow 安装）。先运行 npx agentdb@latest benchmark 建立基线，再用 createAgentDBAdapter 配置量化类型、缓存大小与 HNSW 参数；用 npx agentdb@latest stats .agentdb/vectors.db 查看统计。
适用场景：大规模向量存储、移动/边缘部署、高维嵌入检索、生产环境相似度搜索。
限制：不适用于无向量检索需求的本地操作、无语义相似度的简单键值存储、无持久化要求的实时流数据。资料未提供具体收费与价格信息。需注意向量维度校验、连接串保密、元数据清洗与访问控制。