向量存储管理

技能简介

该技能用于管理火山引擎TOS Vectors向量存储服务，支持向量桶创建、索引管理、向量数据插入与相似度查询，适用于语义搜索、RAG系统构建、推荐引擎等AI应用场景。

业务背景

该技能让企业无需自建向量基础设施，即可快速搭建语义搜索、智能推荐和RAG知识库等AI应用。通过统一的向量存储管理，业务团队能将非结构化数据转化为可检索的智能资产，显著降低AI项目的技术门槛与上线周期。

落地案例：某电商企业构建商品智能搜索系统：首先创建768维向量桶并配置余弦相似度索引，将商品描述批量转为向量导入；用户搜索"适合户外露营的保暖外套"时，系统自动执行K近邻搜索，结合价格区间等元数据过滤，返回语义相关而非仅关键词匹配的商品结果，提升搜索转化率。

能做什么

• 创建和管理向量存储桶（Vector Bucket）
• 配置向量索引，支持多种维度与距离度量方式
• 批量插入向量数据（单次最多500条）
• 执行K近邻相似度搜索
• 按Key检索或删除指定向量
• 通过元数据过滤实现精准检索

使用说明

安装依赖

pip install tos

配置环境变量

export TOS_ACCESS_KEY='your-access-key'
export TOS_SECRET_KEY='your-secret-key'
export TOS_ACCOUNT_ID='your-account-id'

初始化客户端

import os, tos
ak = os.getenv('TOS_ACCESS_KEY')
sk = os.getenv('TOS_SECRET_KEY')
endpoint = 'https://tosvectors-cn-beijing.volces.com'
region = 'cn-beijing'
client = tos.VectorClient(ak, sk, endpoint, region)

基础操作流程

1. 创建向量桶：client.create_vector_bucket('my-vectors')
2. 创建索引：指定维度（如768）、数据类型（Float32）、距离度量（余弦相似度）
3. 插入向量：构造Vector对象，包含key、data和metadata
4. 相似度搜索：提供查询向量，设置top_k返回最相似结果

输入与输出

见下方输入与输出表格。

风险提示

• 删除向量桶前须清空所有数据，否则操作失败
• 批量插入限制单次500条，超出需分批处理
• 向量维度必须与索引配置一致，否则写入报错
• 元数据过滤条件语法错误将导致查询失败
• API调用产生云服务费用，注意用量控制

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/jneless/volcengine-tos-vectors-skills/SKILL.md
来源类型：GitHub仓库