用途：在编写导入 sqlite-vec 的代码时提供参考，覆盖调试、最佳实践与对 sqlite-vec 的修改。
主要能力与版本变更：v0.1.7 起 DELETE 会真正清除向量数据并释放空间（此前仅设置有效性位）；v0.1.7 新增 KNN 查询中 distance 列的比较约束，可用于分页；v0.1.6 新增 vec0 虚拟表的元数据列、分区键以及以 + 前缀声明的辅助列；v0.1.3 出于安全修复将实验性 vec_npy_each 表函数移出默认入口。资料还提到 SQLite 3.31.1+ 静态链接支持，以及 serialize_float32()、serialize_int8() Python 函数。
使用方式：资料建议用 skilld 搜索而非直接检索 .skilld/ 目录，命令为 skilld search "query" -p sqlite-vec，可按 docs:、issues:、releases: 过滤；若 skilld 不可用则用 npx -y skilld search。
适用场景与最佳实践：二进制量化可用两列重打分；Matryoshka 截断维度后需归一化；中等压缩优先标量量化（float16、int8）；大向量集用分区键分片；用元数据列配合辅助列做过滤；用距离约束代替过度采样分页；注意默认最大 k 为 4096。
限制：KNN 结果在内存中物化，k 相关复杂度为 O(n²)；可选用支持量化的嵌入模型。其余信息暂未提供。