vector-index-tuning について
検索エンジニア向けのベクトルインデックス調整ガイドです。インデックスの選択、HNSWパラメーター、量子化方式を解説し、再現率・遅延・メモリー使用量の調整に役立ちます。
主な機能
- 01インデックス種別の選択指針
- 02HNSWパラメーターの解説
- 03量子化方式の比較
- 04テンプレートと詳細例
- 05本番環境向け調整の実践事項
活用シーン
- 01ベクトル検索の遅延削減
- 02インデックスのメモリー使用量削減
- 03検索再現率と速度の調整
- 04大規模ベクトルインデックスの計画
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/インストール後、Claude Code で/vector-index-tuningを入力して読み込まれたか確認します。
同梱ファイルreferences/details.md
詳細
ベクトルインデックスのチューニング
本番環境のパフォーマンスに向けてベクトルインデックスを最適化するためのガイドです。
このスキルを使用する場面
- HNSW パラメータのチューニング
- 量子化の実装
- メモリ使用量の最適化
- 検索レイテンシの削減
- 再現率と速度のバランス調整
- 数十億ベクトルへのスケーリング
中核となる概念
1. インデックスタイプの選択
Data Size Recommended Index
────────────────────────────────────────
< 10K vectors → Flat (exact search)
10K - 1M → HNSW
1M - 100M → HNSW + Quantization
> 100M → IVF + PQ or DiskANN
2. HNSW パラメータ
| パラメータ | デフォルト | 効果 |
|---|---|---|
| M | 16 | ノードあたりの接続数、↑ = 再現率向上、メモリ増加 |
| efConstruction | 100 | 構築品質、↑ = インデックス品質向上、構築低速化 |
| efSearch | 50 | 検索品質、↑ = 再現率向上、検索低速化 |
3. 量子化の種類
Full Precision (FP32): 4 bytes × dimensions
Half Precision (FP16): 2 bytes × dimensions
INT8 Scalar: 1 byte × dimensions
Product Quantization: ~32-64 bytes total
Binary: dimensions/8 bytes
テンプレートと詳細な実例
テンプレートの完全なライブラリと詳細な実例は references/details.md にあります。具体的なテンプレートが必要な場合はそのファイルを参照してください。
ベストプラクティス
推奨事項
- 実際のクエリでベンチマークを実施する - 合成クエリは本番環境を反映しない可能性があります
- 再現率を継続的に監視する - データドリフトにより低下する可能性があります
- デフォルト設定から始める - 必要な場合にのみチューニングします
- 量子化を使用する - メモリを大幅に削減できます
- 階層型ストレージを検討する - ホットデータとコールドデータを分離します
非推奨事項
- 早い段階で過度に最適化しない - まずプロファイリングを行います
- 構築時間を無視しない - インデックスの更新にはコストがかかります
- 再インデックスを忘れない - メンテナンスを計画します
- ウォーミングを省略しない - コールドインデックスは低速です
コメント
Markdown 対応