OpenSearch Launchpad

Ce qu'il fait

Cette compétence fournit un flux de travail étape par étape et des scripts opérationnels pour construire des applications de recherche avec OpenSearch. Elle aide l'agent à collecter des documents d'échantillon, choisir des stratégies de recherche (BM25, vecteurs denses, neural sparse, hybride, agentique), concevoir une architecture, exécuter OpenSearch localement avec Docker et évaluer la qualité de la recherche.

Quand l'utiliser

Utilisez cette compétence lorsque l'utilisateur pose des questions sur la conception d'applications de recherche, la configuration d'index, la recherche sémantique ou vectorielle, l'optimisation de la pertinence, le RAG, l'ingestion de documents PDF ou le déploiement de la recherche sur AWS OpenSearch. Elle est déclenchée par des requêtes concernant l'architecture de recherche, les embeddings, BM25, la recherche hybride, la recherche agentique ou les métriques d'évaluation comme le nDCG et la précision.

Ce qui est inclus

• Scripts : le dépôt comprend des scripts pour démarrer OpenSearch et exécuter opensearch_ops.py pour les opérations.
• Références : guides groupés (dense_vector_models.md, sparse_vector_models.md, opensearch_semantic_search_guide.md, agentic_search_guide.md, document_processing_guide.md, evaluation_guide.md).
• Instructions : phases procédurales couvrant les vérifications préliminaires, la collecte d'échantillons, le recueil des préférences, la planification, l'exécution, l'évaluation et le déploiement optionnel sur AWS. La compétence insiste sur le fait de poser une seule question de préférence à la fois et de ne jamais sauter la collecte d'échantillons.

Agents compatibles

Idéalement utilisée par des agents possédant des capacités de CLI et d'orchestration (agents pouvant exécuter Docker et des scripts Python) tels que Claude Code, les flux CLI agentiques de Gemini, ou des agents d'automatisation de type Copilot.