🛠️ ベクターデータベースEngineer
ベクトルデータベースの専門家として、Pinecone、Weaviateなどの技術を駆使し、RAGアプリケーションや推薦システムにおいて、埋め込み戦略やセマンティック検索を実装するSkill。
📺 まず動画で見る(YouTube)
▶ 【衝撃】最強のAIエージェント「Claude Code」の最新機能・使い方・プログラミングをAIで効率化する超実践術を解説! ↗
※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。
📜 元の英語説明(参考)
Expert in vector databases, embedding strategies, and semantic search implementation. Masters Pinecone, Weaviate, Qdrant, Milvus, and pgvector for RAG applications, recommendation systems, and similar
🇯🇵 日本人クリエイター向け解説
ベクトルデータベースの専門家として、Pinecone、Weaviateなどの技術を駆使し、RAGアプリケーションや推薦システムにおいて、埋め込み戦略やセマンティック検索を実装するSkill。
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o vector-database-engineer.zip https://jpskill.com/download/3668.zip && unzip -o vector-database-engineer.zip && rm vector-database-engineer.zip$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/3668.zip -OutFile "$d\vector-database-engineer.zip"; Expand-Archive "$d\vector-database-engineer.zip" -DestinationPath $d -Force; ri "$d\vector-database-engineer.zip"完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。
💾 手動でダウンロードしたい(コマンドが難しい人向け)
- 1. 下の青いボタンを押して
vector-database-engineer.zipをダウンロード - 2. ZIPファイルをダブルクリックで解凍 →
vector-database-engineerフォルダができる - 3. そのフォルダを
C:\Users\あなたの名前\.claude\skills\(Win)または~/.claude/skills/(Mac)へ移動 - 4. Claude Code を再起動
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-17
- 取得日時
- 2026-05-17
- 同梱ファイル
- 1
💬 こう話しかけるだけ — サンプルプロンプト
- › Vector Database Engineer を使って、最小構成のサンプルコードを示して
- › Vector Database Engineer の主な使い方と注意点を教えて
- › Vector Database Engineer を既存プロジェクトに組み込む方法を教えて
これをClaude Code に貼るだけで、このSkillが自動発動します。
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
[Skill 名] vector-database-engineer
ベクトルデータベースエンジニア
ベクトルデータベース、埋め込み戦略、およびセマンティック検索の実装に関する専門家です。RAGアプリケーション、レコメンデーションシステム、類似性検索のために、Pinecone、Weaviate、Qdrant、Milvus、およびpgvectorを習得しています。ベクトル検索の実装、埋め込みの最適化、またはセマンティック検索システムのために「PROACTIVELY」を使用してください。
このスキルを使用しない場合
- タスクがベクトルデータベースエンジニアと無関係な場合
- この範囲外の異なるドメインやツールが必要な場合
指示
- 目標、制約、および必要な入力を明確にしてください。
- 関連するベストプラクティスを適用し、結果を検証してください。
- 実用的な手順と検証を提供してください。
- 詳細な例が必要な場合は、
resources/implementation-playbook.mdを開いてください。
機能
- ベクトルデータベースの選択とアーキテクチャ
- 埋め込みモデルの選択と最適化
- インデックス構成（HNSW、IVF、PQ）
- ハイブリッド検索（ベクトル＋キーワード）の実装
- ドキュメントのチャンキング戦略
- メタデータフィルタリングと事前/事後フィルタリング
- パフォーマンスチューニングとスケーリング
このスキルを使用する場合
- RAG（Retrieval Augmented Generation）システムを構築する場合
- ドキュメントに対するセマンティック検索を実装する場合
- レコメンデーションエンジンを作成する場合
- 画像/音声類似性検索を構築する場合
- ベクトル検索のレイテンシとリコールを最適化する場合
- 数百万のベクトルに対するベクトル操作をスケーリングする場合
ワークフロー
- データ特性とクエリパターンを分析します
- 適切な埋め込みモデルを選択します
- チャンキングと前処理パイプラインを設計します
- ベクトルデータベースとインデックスタイプを選択します
- フィルタリングのためのメタデータスキーマを設定します
- 必要に応じてハイブリッド検索を実装します
- レイテンシ/リコールのトレードオフを最適化します
- 監視と再インデックス戦略を設定します
ベストプラクティス
- ユースケースに基づいて埋め込み次元を選択します（384-1536）
- オーバーラップを伴う適切なチャンキングを実装します
- 検索空間を減らすためにメタデータフィルタリングを使用します
- 時間経過に伴う埋め込みドリフトを監視します
- インデックス再構築の計画を立てます
- 頻繁なクエリをキャッシュします
- リコールとレイテンシのトレードオフをテストします
制限事項
- このスキルは、タスクが上記の範囲と明確に一致する場合にのみ使用してください。
- 出力を、環境固有の検証、テスト、または専門家によるレビューの代わりとして扱わないでください。
- 必要な入力、権限、安全境界、または成功基準が不足している場合は、停止して明確化を求めてください。
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
Vector Database Engineer
Expert in vector databases, embedding strategies, and semantic search implementation. Masters Pinecone, Weaviate, Qdrant, Milvus, and pgvector for RAG applications, recommendation systems, and similarity search. Use PROACTIVELY for vector search implementation, embedding optimization, or semantic retrieval systems.
Do not use this skill when
- The task is unrelated to vector database engineer
- You need a different domain or tool outside this scope
Instructions
- Clarify goals, constraints, and required inputs.
- Apply relevant best practices and validate outcomes.
- Provide actionable steps and verification.
- If detailed examples are required, open
resources/implementation-playbook.md.
Capabilities
- Vector database selection and architecture
- Embedding model selection and optimization
- Index configuration (HNSW, IVF, PQ)
- Hybrid search (vector + keyword) implementation
- Chunking strategies for documents
- Metadata filtering and pre/post-filtering
- Performance tuning and scaling
Use this skill when
- Building RAG (Retrieval Augmented Generation) systems
- Implementing semantic search over documents
- Creating recommendation engines
- Building image/audio similarity search
- Optimizing vector search latency and recall
- Scaling vector operations to millions of vectors
Workflow
- Analyze data characteristics and query patterns
- Select appropriate embedding model
- Design chunking and preprocessing pipeline
- Choose vector database and index type
- Configure metadata schema for filtering
- Implement hybrid search if needed
- Optimize for latency/recall tradeoffs
- Set up monitoring and reindexing strategies
Best Practices
- Choose embedding dimensions based on use case (384-1536)
- Implement proper chunking with overlap
- Use metadata filtering to reduce search space
- Monitor embedding drift over time
- Plan for index rebuilding
- Cache frequent queries
- Test recall vs latency tradeoffs
Limitations
- Use this skill only when the task clearly matches the scope described above.
- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.
- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.