Agent Skill · 研究检索

zvec（zvec 搜索）

zvec 用于查找、检索和筛选相关信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

zvec 是研究检索类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为调用外部服务；许可证信息还不明确，第三方扫描已通过，按安装量在研究检索类的 73,675 个 Skill 里排第 72,863。

总安装 186周安装 8GitHub Stars 14下载 65核验 2026-05-01

研究检索调用外部服务 GitHub 仓库未标认证来源可访问许可证需确认审计通过 Codex Claude Cursor Gemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：zvec（zvec 搜索）
来源仓库：https://github.com/itechmeat/llm-code
仓库路径：skills/zvec
安装命令：
npx skills add https://github.com/itechmeat/llm-code --skill zvec
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills

npx skills add https://github.com/itechmeat/llm-code --skill zvec

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题，通常会让助手先检索再总结。

用于查找、检索和筛选相关信息，快速定位候选结果。适合在关键词、任务场景或来源线索明确时使用。可结合来源仓库和原始 README 核验具体用法。安装前建议确认权限范围、维护状态及是否触发联网或命令执行。注意检查是否会触发文件读写或高风险操作。zvec 属于研究检索类 Skill，可作为该场景下的辅助能力补充。

来源仓库内路径：skills/zvec

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 npx skills add https://github.com/itechmeat/llm-code --skill zvec；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它需要调用外部服务，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

zvec 怎么安装？

在终端执行 npx skills add https://github.com/itechmeat/llm-code --skill zvec。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

zvec 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

zvec 需要什么权限？

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API，使用前需要确认账号、额度、数据发送范围和服务条款。

zvec 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

zvec 用的人多吗？

公开数据是累计安装 186 次，近一周安装 8 次，下载 65 次，GitHub 14 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

zvec 安全吗？

第三方扫描结果为通过，但这只覆盖已知的静态检查项，不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

同时适配 4 种工具，换客户端不用重新找替代品。
第三方扫描已通过，常见的高风险行为没有命中。

先想清楚的地方

许可证没有明确标注，能不能商用、能不能再分发都不确定。
第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 Codex，想直接扩展它能力的人。
需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

需要明确授权才能用到公司项目里的场景。
需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
find-skills 寻找技能 · Codex、Claude	31,199,813	16,486	操作浏览器	MIT	有提醒
self-improving-agent 自我改进 Agent · OpenClaw	16,464,002	3,396	接触敏感数据	MIT-0	通过
soultrace 灵魂追踪 · Codex、Claude	7,588,944	12	需要联网	未明确	有提醒
self-improving 自我完善 · OpenClaw	6,829,284	1,046	需要联网	MIT-0	通过
microsoft-foundry 微软代工厂 · Codex、Claude	6,614,144	764	调用外部服务	未明确	有提醒
zvec zvec 搜索 · 本页	186	14	调用外部服务	未明确	通过

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

Zvec

Zvec is a lightweight, in-process vector database meant to be embedded into applications ("SQLite for vectors").

Quick navigation

Overview: references/overview.md
Concepts: references/concepts.md
Quickstart (first operations): references/quickstart.md
Installation (only if needed): references/installation.md
Index types & quantization: references/indexing.md
Embedding pipelines: references/embedding.md
Reranking pipelines: references/reranker.md
Data modeling & collections: references/collections.md
CRUD / search operations: references/data-operations.md
Configuration & persistence: references/configuration.md

Operator recipes (high signal)

Minimal “embed Zvec” checklist

- (Optional) Configure globals once at startup via zvec.init(...) (logging, query_threads). - Create a collection on disk with create_and_open(path=..., schema=..., option=...). - Ingest documents as Doc(id=..., fields=..., vectors=...) via insert() or upsert(). - Query via collection.query(vectors=VectorQuery(...), topk=...). - Call collection.optimize() periodically after heavy ingestion.

Bulk ingest + keep query latency stable

- Prefer batched insert() / upsert(). - Monitor collection.stats and run optimize() when flat buffers grow.

Hybrid retrieval patterns

- Filter-only: collection.query(filter=..., topk=...). - Vector + filter: pass both vectors=... and filter=.... - Multi-vector fusion: pass multiple VectorQuery items and rerank using WeightedReRanker or RRF.

Memory-sensitive ANN on x86_64

- Prefer HNSW-RaBitQ when HNSW-quality recall matters but memory is the limiting factor. - Start with the documented defaults (total_bits=7, num_clusters=16) and tune query-time ef before changing quantization bits.

Safe evolution of live collections

- Add/drop/alter scalar columns via add_column(), drop_column(), alter_column(). - Manage indexes via create_index() / drop_index() (scalar). Vector indexes cannot be dropped.

Critical prohibitions

Do not mirror vendor docs verbatim; summarize in your own words.
Do not assume a client/server deployment model: Zvec is in-process.
Do not add project-specific paths, secrets, or environment assumptions.
Do not choose HNSW-RaBitQ on unsupported hardware; current docs limit it to x86_64 with AVX2 or better.

Release Highlights (0.3.0 -> 0.3.1)

Windows support and official Windows packages for Python and Node.js
HNSW-RaBitQ quantized vector indexing for lower-memory ANN on supported x86_64 hosts
Stable C API for building or maintaining additional language bindings
MCP server / agent skills ecosystem for AI-driven collection management and retrieval workflows
0.3.1 hotfixes for relaxed collection path restrictions and better Windows cross-drive/path handling

平台分布

Codex

38.13%

按下载量换算25

Claude

27.32%

按下载量换算18

Cursor

16.73%

按下载量换算11

Gemini CLI

9.09%

按下载量换算6

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API，使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill