Vector Search — In-Memory TF-IDF Semantic Store
面向AI Agent的轻量内存TF-IDF语义向量搜索工具
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：Vector Search — In-Memory TF-IDF Semantic Store。 它的用途是：面向AI Agent的轻量内存TF-IDF语义向量搜索工具 完整的 Skill 内容见：https://321skill.com/skills/vector-search-in-memory-tf-idf-semantic-store/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
'帮我在上传的500篇产品文档里搜索和退款规则相关的内容'，它会调用向量搜索工具完成向量化与相似度计算，返回匹配文档、对应分数及匹配总数。
对AI说：'帮我匹配这批用户反馈和对应的已知问题工单'，它会基于语义关联度完成跨文档匹配，输出高相关性结果。
介绍
不少开发者在搭建小型语义检索、RAG原型时，往往需要面对Pinecone、Weaviate等重型向量数据库配置繁琐、资源占用高的问题，针对万条以下小数据集的检索场景，缺乏轻量化、开箱即用的语义检索方案，本工具正是为解决这一痛点设计。 使用时只需调用data_vector_search工具接口，先上传存储待检索的文档集合，后续输入语义查询语句，接口会自动完成TF-IDF文本向量化、余弦相似度匹配计算，直接返回匹配结果列表、对应相似度分数以及匹配总条数，无需额外配置向量模型或数据库环境。 它适合需要快速搭建小型语义检索功能的AI应用开发者、验证RAG方案可行性的算法工程师、开发文档匹配类小工具的个人开发者，以及有小规模私有文档语义检索需求的各类用户。 本工具无需申请API密钥，调用时通过Base L2网络的x402协议完成微支付，单次调用费用为0.005美元，返回结果可直接接入后续内容生成或匹配逻辑，若有全网范围的检索需求请选用其他专用搜索工具。
核心特点
不同于Pinecone、Weaviate等需要独立部署的重型向量数据库，它基于内存TF-IDF加余弦相似度实现检索，无需提前申请API密钥，采用Base L2链上微付费模式按次结算，针对万条以下小数据集做了轻量化优化。
注意事项
仅支持1万条以下文档的小规模检索，不适合全网搜索及超大规模数据集的向量检索场景。
常见问题
使用这个工具需要提前申请API密钥吗？
不需要，调用时通过Base L2的x402协议按次支付0.005美元即可使用。
这个工具支持多大规模的文档检索？
仅适合文档量在1万条以下的小规模集合，超量建议使用专用向量数据库。
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/vector-search-in-memory-tf-idf-semantic-store/raw/index.md 读取 Vector Search — In-Memory TF-IDF Semantic Store 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/vector-search-in-memory-tf-idf-semantic-store/raw/index.md（查看排版版本）