cos-vectors-skill

---

name: cos-vector-bucket description: "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." metadata: {"openclaw": {"requires": {"env": ["COS_VECTORS_SECRET_ID", "COS_VECTORS_SECRET_KEY"]}, "primaryEnv": "COS_VECTORS_SECRET_ID"}}

---

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： > 1. SecretId — 腾讯云 API 密钥 ID > 2. SecretKey — 腾讯云 API 密钥 Key > 3. Region — 存储桶区域（如 ap-guangzhou） > 4. 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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  [--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 "" \
  --secret-key "" \
  --region "" \
  --bucket ""

3. 查询向量桶信息

python3 {baseDir}/scripts/get_vector_bucket.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket ""

4. 列出所有向量桶

python3 {baseDir}/scripts/list_vector_buckets.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  [--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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket ""

7. 删除桶策略

python3 {baseDir}/scripts/delete_vector_bucket_policy.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket ""

---

三、索引管理

8. 创建索引

python3 {baseDir}/scripts/create_index.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index ""

10. 列出所有索引

python3 {baseDir}/scripts/list_indexes.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  [--max-results 10] \
  [--prefix "demo-"]

11. 删除索引

python3 {baseDir}/scripts/delete_index.py \
  --secret-id "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index ""

---

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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  [--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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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 "" \
  --secret-key "" \
  --region "" \
  --bucket "" \
  --index "" \
  --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

1. CosVectorsClient：向量桶专用客户端，不同于普通的 CosS3Client 2. Endpoint 配置：使用 Endpoint 参数（vectors..coslake.com），SDK 会自动拼接 bucket 前缀 3. 协议：默认使用 http 协议 4. 桶名格式：必须为 BucketName-APPID 格式，如 examplebucket-1250000000 5. 桶名规则：仅支持小写字母、数字和中划线 -，长度 3-63 个字符 6. 向量维度：范围 1-4096 7. 数据类型：当前支持 float32 8. 距离度量：支持 cosine（余弦相似度）和 euclidean（欧氏距离） 9. 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： 1. 凭证是否正确 2. Region 是否正确 3. Bucket 名称格式是否符合要求 4. 网络是否连通

API 参考

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