Solr Vector Search
集成Solr，为AI应用提供混合搜索与向量检索能力的Python工具包。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Solr Vector Search。 它的用途是：集成Solr，为AI应用提供混合搜索与向量检索能力的Python工具包。 完整的 Skill 内容见：https://321skill.com/skills/solr-vector-search/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我从公司技术文档库中，找出所有关于‘微服务架构安全认证’的最佳实践文档。”，它会通过本Skill连接你的Solr知识库，执行混合搜索，结合关键词“微服务 安全 认证”和该查询的向量语义，返回相关性最高的文档列表和摘要。或者，你可以说：“分析最近三个月的用户反馈，把提到‘支付失败’且情绪为负面的记录找出来，并按相似主题聚类。”，它会利用向量搜索进行语义聚类，并结合元数据过滤，生成分析报告。
介绍
这个Skill解决了AI应用在处理海量非结构化数据时，难以进行高效、精准语义搜索的问题。传统的关键词搜索在面对复杂查询意图时往往力不从心，而纯向量搜索又可能忽略重要的元数据过滤。该Skill通过MCP协议，将强大的Solr搜索引擎与向量检索能力无缝集成到AI工作流中。
使用时，开发者只需通过简单的配置和API调用，即可为AI助手或智能体接入Solr的混合搜索功能。它支持将文本转换为向量并存入Solr，也支持结合关键词、过滤条件和向量相似度进行综合排序，从而返回最相关的结果。
它非常适合需要为AI应用构建智能搜索后端，或对现有搜索系统进行向量化升级的开发者。无论是构建知识库问答、内容推荐系统，还是需要深度分析文档数据的场景，这个Skill都能提供强大的底层支持。
建议在项目初期就规划好数据结构和索引策略，以充分发挥混合搜索的优势。同时，需要注意Solr服务本身的部署和运维成本，并确保向量模型的选取与业务语义相匹配。
核心特点
核心区别在于它基于MCP协议，能无缝集成到Claude等AI助手的生态中，实现开箱即用的智能搜索能力；同时，它原生支持Solr的混合搜索模式，将传统BM25关键词评分与向量相似度评分相结合，比单一的向量检索工具在结果精准度和可控性上更优。
注意事项
不适合仅需简单关键词匹配、或没有Solr运维能力的轻量级、临时性搜索需求。
常见问题
这个Skill和直接用Solr的向量搜索插件有什么区别？
它封装了基于MCP协议的标准化交互方式，让你可以直接在AI对话中调用搜索能力，无需自行编写复杂的集成代码，降低了开发门槛。
需要自己部署Solr吗？
是的，你需要一个可访问的Solr服务实例，并且安装并配置好相应的向量搜索插件（如Neural Search）。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/solr-vector-search/raw/index.md 读取 Solr Vector Search 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/solr-vector-search/raw/index.md（查看排版版本）