用途：Embedding Search 是一个基于向量语义搜索的技能，适用于在大量文档集合中做语义相似度匹配、查找相关文档，以及构建知识库或实现 RAG（检索增强生成）。
主要能力：提供语义文档搜索、向量相似度匹配、文档分块与索引、关键词与向量相结合的混合搜索、相关性评分与排序、全文搜索兜底、文档分类，以及可配置的相似度阈值。
使用方式：通过 node 命令运行 embed.js。索引文档：node /job/.pi/skills/embedding-search/embed.js index /path/to/documents --output index.json。搜索：node /job/.pi/skills/embedding-search/embed.js search "machine learning concepts" --index index.json。交互模式：node /job/.pi/skills/embedding-search/embed.js --interactive --index index.json。向现有索引追加文档：node /job/.pi/skills/embedding-search/embed.js add new-doc.md --index index.json。带权重的混合搜索：node /job/.pi/skills/embedding-search/embed.js search "cloud deployment" --hybrid --keyword-weight 0.3 --semantic-weight 0.7。
适用场景：大文档集合检索、语义相似匹配、知识库构建、查找关联文档、RAG 实现。
限制：资料说明其使用模拟嵌入，未提供真实模型或平台接入、价格、性能指标与效果保证；其余细节暂未提供。