用途：对 ChromaDB 向量库进行基于概念而非关键词的语义检索，用于从代码仓库与文档中找回相关内容。它是三阶段搜索协议（RLM → 向量检索 → Grep）中的第二阶段，当 RLM 摘要细节不足、又尚未退化为原始正则 grep 时使用。
主要能力：使用父子分块（Parent-Child）检索，返回高上下文父块供后续推理；支持按 profile 指定集合与向量空间；提供一致性检查脚本。
使用方式：先确认 .agent/learning/vector_profiles.json 中配置的 profile 集合（如 wiki、codebase），再执行自然语言查询，例如 python3 scripts/query.py "how does session memory persist" --profile wiki --limit 5。若没有命中结果，需先如实报告所评估的 profile 与查询语句，再回退到 grep。可用 python3 scripts/vector_consistency_check.py --profile wiki 检查索引响应与一致性。
限制与约定：--profile 参数为必填，以确保查询命中正确的集合与嵌入空间；不得直接读取 SQLite 或 Parquet 底层文件，查询必须通过 scripts/query.py 执行。其他参考资料包括 acceptance-criteria.md（检索准确率与排序约束）、cheapest_models.md（嵌入模型层级与费用指引）、fallback-tree.md（向量集合不可用或零命中时的回退协议）。资料未提供具体安装命令、收费价格与平台支持信息。