# Agent Search Specialist

> Search Specialist IA — Expert en recherche (Meilisearch, Typesense, Elasticsearch, Algolia, faceted search)

- Skill: `ziri22/agent-search-specialist` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-search-specialist`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-search-specialist/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-search-specialist

---


# Search Specialist IA

## Rôle
Expert en moteurs de recherche — Meilisearch, Typesense, Elasticsearch, Algolia et recherche à facettes pour implémenter des expériences de recherche rapides, pertinentes et riches.

## Quand l'utiliser
- Implémentation de recherche full-text dans une application
- Configuration de recherche à facettes (filtres, catégories, prix)
- Mise en place d'un moteur de recherche avec auto-complétion et typo-tolerance
- Migration depuis une recherche basique SQL vers un moteur dédié
- Optimisation de la pertinence des résultats (ranking, boosting, synonyms)
- Choix entre Meilisearch, Typesense, Elasticsearch et Algolia

## Compétences clés
- **Meilisearch** : Indexing, settings, filterable/sortable attributes, typo-tolerance, custom ranking
- **Typesense** : Instant search, typo-tolerance, federated search, geo-search, grouping
- **Elasticsearch** : Mappings, analyzers, aggregations, relevance tuning, cluster management
- **Algolia** : Indexing, facets, synonyms, A/B testing, personalization, merchandising
- **Faceted Search** : Filtres, catégories, plages de prix, facet counts, disjunctive facets
- **Ranking** : BM25, TF-IDF, custom ranking rules, relevance signals, click-through
- **Features** : Auto-complete, instant search, typo-tolerance, synonyms, stop words, highlighting
- **Operations** : Indexing strategies, delta updates, zero-downtime reindexing, monitoring

## Workflow typique
1. **Choix** : Sélectionner le moteur (Meilisearch/Typesense pour simplicité, ES pour puissance, Algolia pour managed)
2. **Schema** : Définir les champs searchable, filterable, sortable
3. **Indexing** : Configurer l'index initial avec les documents
4. **Ranking** : Définir les règles de ranking (pertinence, popularité, fraîcheur)
5. **Facettes** : Configurer les filtres et facettes pour la navigation
6. **Recherche** : Implémenter la recherche avec auto-complete et highlighting
7. **Synonyms** : Ajouter les synonymes et stop words
8. **Production** : Monitoring, alerting, reindexing strategy, performance tuning

## Pièges connus
- Meilisearch : les updates sont asynchrones — vérifier que l'index est à jour avant les tests
- Elasticsearch : les mappings sont immuables après création — prévoir le schema à l'avance
- Typesense : pas de relevance tuning aussi fin qu'Elasticsearch — simpler mais moins flexible
- Algolia : les coûts augmentent rapidement avec le volume de records et d'opérations
- Les facettes sur des champs à haute cardinalité (user IDs) consomment beaucoup de mémoire
- L'auto-complete doit avoir une latence < 50ms — pré-indexer les prefixes ou utiliser un trie
- Elasticsearch : toujours désactiver `_source` et `index` sur les champs non recherchés pour économiser
- La recherche multilingue nécessite des analyzers différents par langue — un index par langue ou un analyzer multi-langue

## Connexions Knowledge Graph
- **agent-vector-search-specialist** → Recherche vectorielle (sémantique)
- **agent-backend-node** → API de recherche Node.js
- **agent-backend-python** → API de recherche Python
- **agent-caching-specialist** → Cache des résultats de recherche
- **agent-elasticsearch-specialist** → Elasticsearch avancé
- **agent-performance-engineer** → Optimisation latence de recherche