vector-search-alternatives

daishiman's avatarfrom daishiman

SQLiteプロジェクト向けのベクトル検索代替戦略スキル。SQLite VSS、外部ベクトルDB、RAGパイプラインの実装を提供します。Anchors:- The Pragmatic Programmer（Andrew Hunt）/ 適用: 実践的ソリューション選定 / 目的: 適材適所の技術選択- Designing Data-Intensive Applications（Martin Kleppmann）/ 適用: データシステム設計 / 目的: スケーラブルなアーキテクチャ- Building LLM Apps（各種論文）/ 適用: RAGパターン / 目的: 効果的な情報検索Trigger:Use when implementing vector search, building RAG systems, setting up SQLite VSS, or integrating external vector databases like Pinecone or Weaviate.

⭐3stars🔀0forks📁View on GitHub🕐Updated Jan 10, 2026
[SQL and Databases]

When & Why to Use This Skill

This Claude skill provides a comprehensive framework for implementing vector search strategies within SQLite-based projects. It enables developers to build efficient RAG (Retrieval-Augmented Generation) systems by offering specialized agents for SQLite VSS implementation, external vector database integration (such as Pinecone, Weaviate, or Qdrant), and architectural design for scalable, data-intensive AI applications.

Use Cases

  • Implementing cost-effective, local vector search using SQLite VSS for applications with datasets under 100k vectors.
  • Integrating high-performance external vector databases like Pinecone or Qdrant into existing SQLite workflows for production-grade scaling.
  • Designing end-to-end RAG pipelines, including specialized chunking strategies and embedding model selection for optimized information retrieval.
  • Benchmarking and evaluating different vector search architectures to determine the best technical fit based on latency, cost, and accuracy requirements.
namevector-search-alternatives
description|
- The Pragmatic Programmer（Andrew Hunt）/ 適用実践的ソリューション選定 / 目的: 適材適所の技術選択
- Designing Data-Intensive Applications（Martin Kleppmann）/ 適用データシステム設計 / 目的: スケーラブルなアーキテクチャ
- Building LLM Apps（各種論文）/ 適用RAGパターン / 目的: 効果的な情報検索

Vector Search Alternatives

概要

SQLiteベースプロジェクト向けのベクトル検索実装代替戦略スキル。pgvectorが使えない環境で、SQLite VSS拡張、外部ベクトルDB、RAGパイプラインなど複数のアプローチを提供します。4つの専門エージェントによる包括的な実装支援を行います。

エージェント構成

エージェント 役割 主な機能
solution-selector ソリューション選定 要件分析、候補評価、推奨提案
sqlite-vss-implementer SQLite VSS実装 スキーマ設計、インデックス最適化
external-db-integrator 外部ベクトルDB連携 Pinecone/Weaviate/Qdrant統合
rag-architect RAGシステム設計 パイプライン設計、チャンキング戦略

ワークフロー

Phase 1: ソリューション選定

目的: プロジェクト要件に最適なベクトル検索アプローチを決定

アクション:

  1. solution-selector で要件を分析
  2. データ規模・パフォーマンス要件を評価
  3. 推奨ソリューションを決定

Phase 2: 実装

目的: 選定したソリューションを実装

アクション:

  1. SQLite VSS → sqlite-vss-implementer を使用
  2. 外部ベクトルDB → external-db-integrator を使用
  3. RAGパイプライン → rag-architect を使用

Phase 3: 検証と最適化

目的: 実装の検証とパフォーマンス最適化

アクション:

  1. scripts/benchmark-vector-search.mjs でベンチマーク
  2. scripts/validate-skill.mjs で構造検証
  3. scripts/log_usage.mjs で使用記録

Task仕様ナビ

タスク 担当エージェント 参照リソース
ソリューション比較 solution-selector vector-basics.md
SQLite VSS実装 sqlite-vss-implementer index-strategies.md
Pinecone連携 external-db-integrator vector-basics.md
RAGパイプライン構築 rag-architect rag-patterns.md
チャンキング最適化 rag-architect rag-patterns.md

ベストプラクティス

すべきこと

  • 小〜中規模（10万ベクトル以下）はSQLite VSSを第一候補にする
  • 本番環境で高可用性が必要な場合は外部ベクトルDBを検討
  • RAGシステムはチャンキング戦略を慎重に設計する
  • scripts/benchmark-vector-search.mjs でパフォーマンスを定期的に測定

避けるべきこと

  • 要件を分析せずにソリューションを選定すること
  • インデックス設定を最適化せずに本番稼働すること
  • エンベディングモデルのコスト・品質トレードオフを無視すること
  • 障害時のフォールバック戦略を設計しないこと

リソース参照

エージェント

エージェント 説明
agents/solution-selector.md ソリューション選定
agents/sqlite-vss-implementer.md SQLite VSS実装
agents/external-db-integrator.md 外部ベクトルDB連携
agents/rag-architect.md RAGシステム設計

リファレンス

リソース 説明
references/vector-basics.md ベクトル検索基礎
references/index-strategies.md インデックス戦略
references/rag-patterns.md RAGパターン集

アセット

アセット 説明
assets/vector-schema-template.ts ベクトルスキーマテンプレート

スクリプト

スクリプト 説明 使用方法
scripts/benchmark-vector-search.mjs ベンチマーク node scripts/benchmark-vector-search.mjs --help
scripts/validate-skill.mjs スキル構造検証 node scripts/validate-skill.mjs -v
scripts/log_usage.mjs 使用記録 node scripts/log_usage.mjs

変更履歴

バージョン 日付 変更内容
2.0.0 2026-01-01 4エージェント体制への再構成、18-skills.md準拠
1.0.0 2025-12-24 初版リリース