> NoSQL Databases _

pgvector-semantic-search предоставляет мощное решение для поиска по смыслу, интегрированное непосредственно в PostgreSQL. Решение позволяет создавать эффективные AI-агенты и плагины, такие как Claude Code Plugin, значительно улучшая возможности генерации кода для PostgreSQL и упрощая работу с документацией и навыками. Использование векторизованных представлений данных позволяет находить релевантную информацию даже при отсутствии точного соответствия ключевым словам. В основе pgvector лежит хранение векторных представлений текста в NoSQL-хранилище внутри документной базы PostgreSQL. Благодаря применению алгоритмов Approximate Nearest Neighbor (ANN), обеспечивается высокая скорость поиска даже при работе с миллионами записей. Векторные индексы позволяют быстро находить наиболее близкие соответствия, что критически важно для приложений, требующих мгновенного ответа. Эффективное кэширование данных дополнительно оптимизирует производительность. Для начала работы требуется pgvector версии 0.8.0 или выше, обеспечивающей поддержку всех ключевых функций, включая halfvec, binary_quantize и итеративный просмотр. Данное решение фокусируется на настройке и оптимизации pgvector, а не на выборе модели эмбеддингов или подготовке текста, что является важным аспектом для достижения оптимального качества поиска.

go-cache предоставляет эффективное решение для кэширования данных, позволяющее значительно снизить нагрузку на основные системы и ускорить время отклика приложений. Он выступает в роли быстрого NoSQL-хранилища, оптимизированного для хранения часто запрашиваемой информации, что особенно полезно при работе с большими объемами данных и высокой посещаемостью. Реализация go-cache позволяет хранить как простые булевы флаги, так и структурированные данные в формате JSON, используя различные стратегии установки времени жизни (TTL) – фиксированные для краткосрочных данных и рандомизированные для долгосрочных. Это обеспечивает гибкость и адаптивность к различным сценариям использования, включая управление сессиями и лимитирование запросов. В основе go-cache лежит архитектура, разделяющая интерфейс порта и конкретную реализацию, что способствует тестируемости и возможности замены документной базы без изменения основного кода приложения. Предоставляются два файла для каждого кэша: интерфейс порта и реализация на базе Redis.

Оптимизируйте производительность и эффективность ваших поисковых решений с помощью elasticsearch-expert. Этот модуль предоставляет экспертные навыки для проектирования, оптимизации и устранения неполадок в развертываниях Elasticsearch, позволяя вам эффективно использовать возможности NoSQL-хранилища для ваших данных. Мы поможем вам создать надежную и масштабируемую инфраструктуру. Наш подход включает в себя проектирование оптимальных схем индексации, учитывающих баланс между скоростью поиска, эффективностью хранения и гибкостью. Мы используем передовые методы, такие как выбор подходящих типов полей (keyword vs text, dense_vector), применение мультиполей и использование dynamic_templates для управления динамическими полями. Это позволяет эффективно использовать документную базу данных. Повысьте скорость работы ваших приложений благодаря улучшенному кэшированию данных и оптимизации запросов. elasticsearch-expert помогает минимизировать затраты на хранение, используя фильтрацию _source и другие техники, обеспечивая при этом максимальную производительность и удобство обслуживания.

Этот навык следует использовать, когда пользователь запрашивает "добавить кэширование", "реализовать кэш Redis", "кэшировать ответ API", "обновить кэш", "добавить слой кэширования", "оптимизировать с помощью кэширования" или упоминает Redis, стратегии кэширования, обновление кэша или оптимизацию производительности. Предоставляет шаблоны кэширования Redis для FastAPI.

Этот навык следует использовать, когда пользователям необходимо работать с TanStack DB для создания реактивных слоев данных в приложениях. Он предоставляет всестороннее руководство по коллекциям, живым запросам, мутациям, проверке схемы, обработке ошибок и различным интеграциям, включая LocalStorage и ElectricSQL.

Лучшие практики использования Redis: шаблоны кэширования, управление сессиями, публикация/подписка, ограничение скорости и структуры данных.

Оптимизация производительности Redis и лучшие практики. Используйте эти навыки при работе со структурами данных Redis, движком запросов Redis (RQE), поиском по векторам с помощью RedisVL, семантическим кэшированием с LangCache или при оптимизации производительности Redis.

Лучшие практики использования Elasticsearch 8+: проектирование индексов, настройки, поисковые запросы, агрегации, настройка релевантности и шаблоны клиентских приложений на Node.js.

Универсальные навыки работы с базами данных для современных приложений. Эксперт в паттернах SQLModel/SQLAlchemy, асинхронных операциях с базами данных, пулах соединений, миграциях, оптимизации производительности и поддержке нескольких баз данных (PostgreSQL, MySQL, SQLite). Предоставляет готовые к использованию решения для любых приложений, работающих с базами данных.

Индекс навыков для бэкенда NestJS. Используйте при работе в директории `backend/`. Загружайте конкретные поднавыки, необходимые для вашей задачи.

Этот навык следует использовать при работе с базами данных MongoDB, при проектировании схем документов и при создании...

Используйте эту функцию при работе с Elasticsearch в любой области: при проектировании схем индексов, написании или оптимизации запросов (Query DSL, ES|QL, KQL), планировании архитектуры кластера, настройке конвейеров обработки данных, оптимизации производительности, устранении неполадок в работе кластера, реализации функций поиска или создании поисковых систем на основе искусственного интеллекта с использованием механизмов извлечения информации. Также активируйте эту функцию для задач безопасности Elasticsearch: аутентификации, управления доступом на основе ролей (RBAC), управления ключами API, аудита, динамической фильтрации на уровне документов (DLS/FLS) или устранения неполадок в системе безопасности. Активируйте эту функцию всякий раз, когда пользователь упоминает Elasticsearch, OpenSearch, Elastic Stack, запросы Kibana, поиск на основе Lucene, векторный/семантический/гибридный поиск с использованием Elasticsearch, механизмы извлечения информации, LogsDB, TSDB, Elasticsearch Serverless, ES|QL CATEGORIZE/CHANGE_POINT или любую тему, связанную с индексами, шардами, схемами, анализаторами или безопасностью.