用途：本技能面向使用 Google Gemini 嵌入模型 gemini-embedding-001 生成文本向量，用于 RAG、语义搜索、文档聚类与相似度匹配。
主要能力：支持单条与批量嵌入；通过 taskType 参数（如 RETRIEVAL_QUERY、RETRIEVAL_DOCUMENT、SEMANTIC_SIMILARITY、CLASSIFICATION、CLUSTERING、CODE_RETRIEVAL_QUERY、QUESTION_ANSWERING、FACT_VERIFICATION）优化效果；输出维度可选 768、1536、3072 或 128–3071 自定义值，默认 3072；提供余弦相似度、向量归一化、Top-K 检索与 K-Means 聚类示例；含 RAG 文档切分、嵌入、存入 Cloudflare Vectorize 及查询生成流程。
使用方式：安装 npm install @google/genai@^1.27.0，设置环境变量 export GEMINI_API_KEY="your-api-key-here"，API Key 从 https://aistudio.google.com/apikey 获取。SDK 调用 ai.models.embedContent；边缘环境可用 REST 端点 embedContent 或 batchEmbedContents。Vectorize 索引创建命令：npx wrangler vectorize create gemini-embeddings --dimensions 768 --metric cosine。
适用场景：RAG 知识库问答、语义检索、去重与聚类、代码检索、事实核查等。
限制：仅支持文本，单条输入上限 2048 tokens；免费层 100 RPM、30,000 TPM、1,000 RPD，付费层限额更高；实验模型 gemini-embedding-exp-03-07 已于 2025 年 10 月弃用，不应使用。批量处理需按限流分块并实现退避重试。