CocoIndex skill
Скилл CocoIndex объясняет агенту версию 1 библиотеки инкрементальных пайплайнов данных: приложения, цели, мемоизацию, коннекторы.
- 11 889 ★ репозитория
- Последний коммит
- Apache-2.0
Минимальный доступ
Почему такой уровень
- Скилл состоит из инструкций; запуск написанных агентом пайплайнов ходит в базы и к LLM под вашими ключами.
Установка
- Работает в
Ручная установка
Скопируй папку `skills/cocoindex` репозитория cocoindex-io/cocoindex в каталог скиллов агента, затем поставь библиотеку командой `pip install -U cocoindex`.
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Скилл состоит из инструкций; запуск написанных агентом пайплайнов ходит в базы и к LLM под вашими ключами.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл из папки `skills/cocoindex` описывает CocoIndex, Python-библиотеку для пайплайнов, которые пересчитывают только изменившиеся данные. Принцип записан формулой: целевое состояние вычисляется из исходного, а библиотека сама находит изменения и синхронизирует результат. Агент получает основы (приложения, мемоизация функций, целевые состояния) и пять справочников: API, коннекторы, шаблоны, настройка базы и настройка проекта. Скилл охватывает разбор PDF и Markdown, векторные эмбеддинги, извлечение данных через LLM, графы знаний, ETL между базами и потоки Kafka. Цели синхронизации: PostgreSQL, SQLite, LanceDB, Qdrant, SurrealDB, Apache Doris, файловая система и Kafka.
Для кого. Python-разработчикам, которые строят индексы, RAG и ETL на CocoIndex и хотят, чтобы агент писал код под версию 1.0 без устаревших API.
Подходит, если
- Нужен конвейер, который эмбеддит документы и обновляет только измененные файлы.
- Агент пишет первый проект CocoIndex с командой `cocoindex init`.
- Данные из одной базы переносят в другую с автоматическим обнаружением изменений.
- Из текстов извлекают сущности и связи в граф знаний.
Не подходит, если
- Проект использует CocoIndex до версии 1.0: скилл описывает только новый API.
- Нужен готовый MCP-сервер поиска по коду: для него есть отдельный проект cocoindex-code.
- Данные обрабатывают разовым скриптом без отслеживания изменений.
Пример запроса к агенту
Создай проект CocoIndex, который читает Markdown из папки docs, режет его на фрагменты, считает эмбеддинги и пишет их в PostgreSQL.Ограничения
Скилл рассчитан на CocoIndex 1.0.0 и новее. Папки `.agents/skills` и `.claude/skills` в репозитории служат разработке самой библиотеки (релизы, бэкпорты, диаграммы) и пользователям не нужны. Шаги установки скилла в агента описаны в документации CocoIndex, а не в README. Для эмбеддингов и LLM-извлечения нужны собственные модели или ключи. Скилл учит Python-API и не заменяет решений по выбору базы, размеру фрагментов и модели эмбеддингов: их стоит назвать в запросе агенту.
Как отключить. Удалите папку `cocoindex` из каталога скиллов агента. Саму библиотеку снимает `pip uninstall cocoindex`.
Частые вопросы
Какую версию CocoIndex покрывает скилл?
Версию 1.0.0 и новее. Для более старых проектов код из скилла не подойдет.
Как запустить пайплайн, который написал агент?
Командой `uv run cocoindex update main.py`: она ставит зависимости и запускает приложение. Новый проект создает `cocoindex init my-project`.
Куда скилл умеет записывать результат?
В PostgreSQL, SQLite, LanceDB, Qdrant, SurrealDB, Apache Doris, файлы и Kafka.
Чем скилл отличается от cocoindex-code?
Скилл учит агента писать пайплайны на библиотеке. Проект cocoindex-code в README описан как отдельный MCP-сервер индекса кода для Claude Code и Cursor.
Нужна ли отдельная база для самого CocoIndex?
Нет. Сгенерированный `main.py` задает локальный файл `cocoindex.db` для служебных данных. Целевую базу выбирают по задаче из списка поддерживаемых.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыSciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
Девять скиллов Pinecone: агент создает векторный индекс, загружает данные, ищет по ним и собирает ассистента для документов
Скиллы Voxel51 для компьютерного зрения: импорт датасетов, поиск дублей, инференс и оценка моделей в FiftyOne
Скиллы Probabl для экспериментов по машинному обучению: пайплайн на scikit-learn и skrub, оценка, аудит и подключение к Skore Hub
17 скиллов для вычислительной биологии: RNA-seq, одноклеточный анализ, структуры белков, докинг, литература и графики
31 скилл для Claude Code и Codex на весь путь аналитика: проверка данных, когорты, воронки, A/B-тесты, дашборды, резюме
Коротко о README
README ведет с главной страницы к скиллу фразой о том, что агент напишет корректный код версии 1, и отправляет к документации за шагами подключения.