用途：本技能是 Cloudflare Vectorize 的实现指南，帮助在 Cloudflare Workers 上构建语义搜索、RAG（检索增强生成）和 AI 应用。依赖 cloudflare-worker-base 与 cloudflare-workers-ai。
主要能力：索引创建与管理；向量 insert、upsert、query、delete、list；元数据过滤（每个索引最多 10 个元数据索引）；余弦、欧氏、点积相似度检索；RAG 工作流；Workers AI 嵌入（@cf/baai/bge-base-en-v1.5）与 OpenAI text-embedding-3-small/large 集成；文档分块与批量导入。附带 basic-search.ts、rag-chat.ts、document-ingestion.ts、metadata-filtering.ts 模板。
必要用法：先创建固定维度和度量的索引，再立即创建元数据索引，最后插入向量。命令：npx wrangler vectorize create my-index --dimensions=768 --metric=cosine；npx wrangler vectorize create-metadata-index my-index --property-name=category --type=string。维度须匹配嵌入模型（Workers AI bge-base 为 768，OpenAI small 为 1536，large 为 3072）。在 wrangler.jsonc 中配置 vectorize 与 ai 绑定。查询时用 env.VECTORIZE_INDEX.query，支持 topK、filter、returnMetadata、namespace。更新用 upsert，插入用 insert。
适用场景：文档/商品/内容的语义搜索、RAG 聊天机器人、相似度推荐、多租户应用（用命名空间）。不适用于关系型数据（用 D1）、键值查询（用 KV）、大文件存储（用 R2）、实时协作状态（用 Durable Objects）。
限制：索引维度与度量创建后不可更改；元数据索引必须在插入向量前创建，否则该属性无法过滤；每向量元数据上限 10 KiB，过滤条件上限 2048 字节；元数据键不能为空、含点号、引号或以 $ 开头；高基数范围查询性能较差。资料未提供收费与价格信息。