用途：该技能围绕 Google Gemini 的文本嵌入模型 gemini-embedding-001，指导生成文本向量，用于向量检索、RAG（检索增强生成）、语义搜索和文档聚类，并与 Cloudflare Vectorize 集成。
主要能力：支持单条与批量嵌入；通过 taskType 参数针对不同场景优化向量（如 RETRIEVAL_QUERY、RETRIEVAL_DOCUMENT、SEMANTIC_SIMILARITY、CLASSIFICATION、CLUSTERING、CODE_RETRIEVAL_QUERY、QUESTION_ANSWERING、FACT_VERIFICATION）；通过 outputDimensionality 支持 Matryoshka 可变维度输出（768、1536、3072，默认 3072，多数 RAG 场景推荐 768）；提供 SDK 与 REST/fetch 两种调用方式，适用于 Cloudflare Workers 等边缘环境；附带余弦相似度计算、K-means 聚类、批处理限流、缓存与错误重试模式。
使用方式：安装 SDK：bun add @google/genai@^1.27.0。TypeScript 项目可加 bun add -d typescript@^5.0.0。设置环境变量：export GEMINI_API_KEY="your-api-key-here"，密钥来自 https://aistudio.google.com/apikey。基本调用：ai.models.embedContent({ model: 'gemini-embedding-001', content, config: { taskType, outputDimensionality } })，返回 response.embedding.values。REST 端点：https://generativelanguage.googleapis.com/v1beta/models/gemini-embedding-001:embedContent。
适用场景：RAG 文档索引与查询、语义相似度比较、重复检测、内容聚类、代码检索、FAQ 匹配与事实验证等。
限制：输入仅支持文本，单条上限 2,048 tokens，超长会被静默截断，需先行分块；免费层限 100 RPM、30,000 TPM、1,000 RPD，Tier 1 为 3,000 RPM、1,000,000 TPM；实验版 gemini-embedding-exp-03-07 已于 2025 年 10 月弃用。常见问题包括维度不匹配、429 限流、错误 taskType 导致检索质量下降、余弦相似度取值范围异常。参考文档还包含 model-comparison、vectorize-integration、rag-patterns、dimension-guide、top-errors 等文件及模板代码，可按需加载。