How do I install the Cos Vectors skill?

Run npx skillmds@latest add infometa/cos-vectors in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

What does the Cos Vectors skill do?

腾讯云 COS 向量桶全功能管理技能。覆盖向量桶、索引、向量数据的全生命周期管理，包括创建/删除/查询向量桶、创建/管理索引、插入/查询/搜索/删除向量数据、策略管理等 16 个核心能力。Trigger phrases: vector bucket, vector index, vector search, 向量桶, 向量索引, 向量搜索, 向量存储, 插入向量, 相似度搜索, COS vector. It is listed under Coding & Dev Tools on SkillMD.

Is Cos Vectors safe to use?

SkillMD's automated safety review verdict for this skill is PASS. Independent scanners report: SkillSpector: PASS, Skill Scanner: PASS. Capability flags: executes scripts, makes network calls, reads secrets. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Cos Vectors?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Cos Vectors free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Cos Vectors?

infometa (@infometa) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Cos Vectors by infometa — Agent Skill

Name: Cos Vectors
Rating: 4.666666666666667 (3 reviews)
Author: infometa

腾讯云 COS 向量桶全功能管理技能

通过 cos-python-sdk-v5 的 CosVectorsClient 管理腾讯云 COS 向量桶的完整生命周期。

能力总览

类别	能力	脚本
向量桶管理	创建向量桶	`create_vector_bucket.py`
	删除向量桶	`delete_vector_bucket.py`
	查询向量桶信息	`get_vector_bucket.py`
	列出所有向量桶	`list_vector_buckets.py`
桶策略管理	设置桶策略	`put_vector_bucket_policy.py`
	获取桶策略	`get_vector_bucket_policy.py`
	删除桶策略	`delete_vector_bucket_policy.py`
索引管理	创建索引	`create_index.py`
	查询索引信息	`get_index.py`
	列出所有索引	`list_indexes.py`
	删除索引	`delete_index.py`
向量数据操作	插入/更新向量	`put_vectors.py`
	获取指定向量	`get_vectors.py`
	列出向量列表	`list_vectors.py`
	删除向量	`delete_vectors.py`
	相似度搜索	`query_vectors.py`

首次使用 — 环境检查

步骤 1：检查 Python SDK

python3 -c "from qcloud_cos import CosConfig, CosVectorsClient; print('OK')"

如果失败，安装 SDK：

pip3 install cos-python-sdk-v5 --upgrade

步骤 2：检查凭证

确认以下环境变量已设置（或准备通过命令行参数传入）：

COS_VECTORS_SECRET_ID — 腾讯云 API 密钥 ID
COS_VECTORS_SECRET_KEY — 腾讯云 API 密钥 Key

如果未设置，引导用户提供凭证：

请提供腾讯云凭证来连接 COS 向量存储服务：

SecretId — 腾讯云 API 密钥 ID

SecretKey — 腾讯云 API 密钥 Key

Region — 存储桶区域（如 ap-guangzhou）

Bucket — 向量桶名称（格式 BucketName-APPID，如 examplebucket-1250000000）

密钥获取：腾讯云控制台 > 访问管理 > API密钥管理

公共参数

所有脚本都支持以下公共参数：

参数	必需	说明
`--secret-id`	✅	腾讯云 SecretId（或环境变量 `COS_VECTORS_SECRET_ID`）
`--secret-key`	✅	腾讯云 SecretKey（或环境变量 `COS_VECTORS_SECRET_KEY`）
`--region`	✅	地域，如 `ap-guangzhou`
`--bucket`	✅	向量桶名称，格式 `BucketName-APPID`
`--scheme`	❌	协议，`http`（默认）或 `https`

一、向量桶管理

1. 创建向量桶

python3 {baseDir}/scripts/create_vector_bucket.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  [--sse-type AES256]

专有参数	说明
`--sse-type`	可选，加密类型，当前仅支持 `AES256`

2. 删除向量桶

python3 {baseDir}/scripts/delete_vector_bucket.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>"

3. 查询向量桶信息

python3 {baseDir}/scripts/get_vector_bucket.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>"

4. 列出所有向量桶

python3 {baseDir}/scripts/list_vector_buckets.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  [--max-results 10] \
  [--prefix "my-"]

专有参数	说明
`--max-results`	可选，最大返回数量
`--prefix`	可选，桶名前缀过滤

二、桶策略管理

5. 设置桶策略

python3 {baseDir}/scripts/put_vector_bucket_policy.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --policy '{"Statement": [...]}'

专有参数	说明
`--policy`	必需，策略 JSON 字符串

6. 获取桶策略

python3 {baseDir}/scripts/get_vector_bucket_policy.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>"

7. 删除桶策略

python3 {baseDir}/scripts/delete_vector_bucket_policy.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>"

三、索引管理

8. 创建索引

python3 {baseDir}/scripts/create_index.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --dimension <Dimension> \
  [--data-type float32] \
  [--distance-metric cosine] \
  [--non-filterable-keys key1,key2]

专有参数	必需	说明
`--index`	✅	索引名称
`--dimension`	✅	向量维度，范围 1-4096
`--data-type`	❌	数据类型，默认 `float32`
`--distance-metric`	❌	距离度量，`cosine`（默认）或 `euclidean`
`--non-filterable-keys`	❌	非过滤元数据键，逗号分隔

9. 查询索引信息

python3 {baseDir}/scripts/get_index.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>"

10. 列出所有索引

python3 {baseDir}/scripts/list_indexes.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  [--max-results 10] \
  [--prefix "demo-"]

11. 删除索引

python3 {baseDir}/scripts/delete_index.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>"

四、向量数据操作

12. 插入/更新向量

# 方式 1：直接传 JSON
python3 {baseDir}/scripts/put_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --vectors '[{"key":"doc-001","data":{"float32":[0.1,0.2,...]},"metadata":{"title":"标题"}}]'

# 方式 2：通过文件传入
python3 {baseDir}/scripts/put_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --vectors-file vectors.json

专有参数	说明
`--index`	必需，索引名称
`--vectors`	向量数据 JSON 字符串
`--vectors-file`	向量数据 JSON 文件路径（与 --vectors 二选一）

向量 JSON 格式：

[
  {
    "key": "doc-001",
    "data": {"float32": [0.1, 0.2, 0.3, "..."]},
    "metadata": {"title": "文档标题", "category": "分类"}
  }
]

13. 获取指定向量

python3 {baseDir}/scripts/get_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --keys "doc-001,doc-002" \
  [--return-data] \
  [--return-metadata]

专有参数	说明
`--index`	必需，索引名称
`--keys`	必需，向量键列表，逗号分隔
`--return-data`	可选，返回向量数据
`--return-metadata`	可选，返回元数据

14. 列出向量列表

python3 {baseDir}/scripts/list_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  [--max-results 10] \
  [--return-data] \
  [--return-metadata]

专有参数	说明
`--index`	必需，索引名称
`--max-results`	可选，最大返回数量
`--return-data`	可选，返回向量数据
`--return-metadata`	可选，返回元数据
`--segment-count`	可选，分段总数
`--segment-index`	可选，分段索引（从0开始）

15. 删除向量

python3 {baseDir}/scripts/delete_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --keys "doc-001,doc-002"

16. 相似度搜索（query_vectors）

# 方式 1：直接传查询向量
python3 {baseDir}/scripts/query_vectors.py \
  --secret-id "<SecretId>" \
  --secret-key "<SecretKey>" \
  --region "<Region>" \
  --bucket "<BucketName-APPID>" \
  --index "<IndexName>" \
  --query-vector '[0.1, 0.2, ...]' \
  --top-k 5 \
  [--filter '{"category": {"$eq": "AI"}}'] \
  [--return-distance] \
  [--return-metadata]

# 方式 2：通过文件传入查询向量
python3 {baseDir}/scripts/query_vectors.py \
  ... \
  --query-vector-file query.json \
  --top-k 5

专有参数	必需	说明
`--index`	✅	索引名称
`--query-vector`	✅*	查询向量 JSON 数组
`--query-vector-file`	✅*	查询向量文件（与 --query-vector 二选一）
`--top-k`	✅	返回最相似的 K 个结果
`--filter`	❌	过滤条件 JSON，如 `{"category": {"$eq": "AI"}}`
`--return-distance`	❌	返回距离/相似度值
`--return-metadata`	❌	返回元数据

关键技术细节

CosVectorsClient：向量桶专用客户端，不同于普通的 CosS3Client
Endpoint 配置：使用 Endpoint 参数（vectors.<Region>.coslake.com），SDK 会自动拼接 bucket 前缀
协议：默认使用 http 协议
桶名格式：必须为 BucketName-APPID 格式，如 examplebucket-1250000000
桶名规则：仅支持小写字母、数字和中划线 -，长度 3-63 个字符
向量维度：范围 1-4096
数据类型：当前支持 float32
距离度量：支持 cosine（余弦相似度）和 euclidean（欧氏距离）
加密类型：可选 AES256 服务端加密

公共模块

所有脚本共享 common.py 公共模块，提供：

base_parser() — 创建包含凭证参数的基础解析器
create_client() — 初始化 CosVectorsClient
success_output() — 统一的成功输出格式（JSON）
fail() — 统一的错误输出格式并退出
handle_error() — 统一的异常处理（CosServiceError / CosClientError）
run() — 包装主函数并捕获异常

错误处理

CosServiceError：服务端错误（如桶已存在、权限不足等）
CosClientError：客户端错误（如网络问题、参数错误等）

所有脚本输出统一 JSON 格式：

{"success": true, "action": "...", ...}   // 成功
{"success": false, "error": "..."}        // 失败

调用失败时先检查：

凭证是否正确
Region 是否正确
Bucket 名称格式是否符合要求
网络是否连通

API 参考

详细 API 参数定义见 references/api_reference.md。

Cos Vectors

File contents

腾讯云 COS 向量桶全功能管理技能

能力总览

首次使用 — 环境检查

步骤 1：检查 Python SDK

步骤 2：检查凭证

公共参数

一、向量桶管理

1. 创建向量桶

2. 删除向量桶

3. 查询向量桶信息

4. 列出所有向量桶

二、桶策略管理

5. 设置桶策略

6. 获取桶策略

7. 删除桶策略

三、索引管理

8. 创建索引

9. 查询索引信息

10. 列出所有索引

11. 删除索引

四、向量数据操作

12. 插入/更新向量

13. 获取指定向量

14. 列出向量列表

15. 删除向量

16. 相似度搜索（query_vectors）

关键技术细节

公共模块

错误处理

API 参考

Frequently asked questions

Cos Vectors

File contents

腾讯云 COS 向量桶全功能管理技能

能力总览

首次使用 — 环境检查

步骤 1：检查 Python SDK

步骤 2：检查凭证

公共参数

一、向量桶管理

1. 创建向量桶

2. 删除向量桶

3. 查询向量桶信息

4. 列出所有向量桶

二、桶策略管理

5. 设置桶策略

6. 获取桶策略

7. 删除桶策略

三、索引管理

8. 创建索引

9. 查询索引信息

10. 列出所有索引

11. 删除索引

四、向量数据操作

12. 插入/更新向量

13. 获取指定向量

14. 列出向量列表

15. 删除向量

16. 相似度搜索（query_vectors）

关键技术细节

公共模块

错误处理

API 参考

Related skills

Frequently asked questions

How do I install the Cos Vectors skill?

What does the Cos Vectors skill do?

Is Cos Vectors safe to use?

Which AI agents work with Cos Vectors?

Is Cos Vectors free to use?

Who published Cos Vectors?