Vector Database Engineer 是一个面向向量数据库工程的专业技能，主要服务于向量搜索、嵌入优化和语义检索系统的实现。
用途 该技能用于构建和优化基于向量数据库的检索系统，典型场景包括 RAG（检索增强生成）系统、文档语义搜索、推荐引擎、图像/音频相似度搜索，以及向量搜索的延迟与召回率优化、百万级向量规模的扩展。
主要能力
- 向量数据库选型与架构设计
- 嵌入模型选择与优化
- 索引配置（HNSW、IVF、PQ）
- 混合搜索（向量 + 关键词）实现
- 文档分块策略
- 元数据过滤与前置/后置过滤
- 性能调优与扩展
使用方式 技能说明中给出的工作流程为：分析数据特征与查询模式；选择合适的嵌入模型；设计分块与预处理流水线；选择向量数据库与索引类型；配置用于过滤的元数据模式；按需实现混合搜索；针对延迟/召回率权衡进行优化；建立监控与重建索引策略。技能指令要求先明确目标、约束和所需输入，应用相关最佳实践并验证结果，提供可执行的步骤与验证方法；如需详细示例，可打开 resources/implementation-playbook.md。
适用场景 当任务涉及构建 RAG 系统、实现文档语义搜索、创建推荐引擎、构建图像/音频相似度搜索、优化向量搜索延迟与召回率，或将向量操作扩展到数百万向量规模时，可使用该技能。
最佳实践 技能中列出的最佳实践包括：根据用例选择嵌入维度（384-1536）；实现带重叠的合理分块；使用元数据过滤缩小搜索空间；监控嵌入漂移；规划索引重建；缓存高频查询；测试召回率与延迟的权衡。
限制 该技能仅应在任务明确匹配上述范围时使用；不应将其输出视为环境特定验证、测试或专家评审的替代；如果缺少所需输入、权限、安全边界或成功标准，应停止并请求澄清。该技能不适用于与向量数据库工程无关的任务，或超出其范围的其他领域或工具。
关于收费、价格、平台支持等具体信息，资料中暂未提供。