/ Verzeichnis / Playground / Weaviate Claude Skills
← Alle Server ↗ GitHub
● Community saskinosie 🔑 Eigener Schlüssel nötig

Weaviate Claude Skills

von saskinosie · saskinosie/weaviate-claude-skills

Durchgängiges lokales Weaviate von Claude – Einrichtung, Verbindung, Schema, Aufnahme und RAG in fünf fokussierten Fähigkeiten.

saskinosie/weaviate-claude-skills ist ein kleiner Marktplatz mit fünf Fähigkeiten, die den Weaviate-Workflow abdecken: weaviate-local-setup (Docker-Compose), weaviate-connection (Gesundheitsprüfung + Authentifizierung), weaviate-collection-manager (Schema- und Sammlungsadministration), weaviate-data-ingestion (Einzel-, Batch- und Dateiimporte) und weaviate-query-agent (semantische Suche, Filter, Hybrid, RAG). Funktioniert mit Claude.ai und Claude Desktop; Sie bringen den Dokumentenspeicher und die Fähigkeiten im Umgang mit Vektor-DB-Klempnerarbeiten mit.

▶ Demo ansehen 📦 Installieren 💡 Anwendungsfälle

Warum nutzen

Hauptfunktionen

Live-Demo

In der Praxis

weaviate-claude-skills.replay ▶ bereit
0/0

Installation

Repository des Autors · Offizielle Dokumentation zu Claude Skills

Anwendungsfälle

Praxisnahe Nutzung: Weaviate Claude Skills

Erstellen Sie in weniger als einer Stunde ein lokales RAG über Ihren Dokumenten

👤 Entwickler starten einen lokalen RAG-Prototyp ⏱ ~60 min intermediate

Wann einsetzen: Sie möchten mit Ihren eigenen Dokumenten chatten, ohne sie an einen Cloud-Anbieter zu senden.

Ablauf
  1. Docker-Start von Weaviate
    Verwenden Sie weaviate-local-setup, um Docker-Compose für ein lokales Weaviate zu starten.✓ Kopiert
    → Docker PS zeigt an, dass Weaviate auf 8080 gesund ist
  2. Erstellen Sie eine Sammlung
    Erstellen Sie eine Sammlung „Docs“ mit den Feldern: title(text), body(text), source_url(text).✓ Kopiert
    → Schema angewendet; weaviate-collection-manager gibt die Konfiguration zurück
  3. Aufnehmen
    Nehmen Sie alle .md-Dateien unter ./docs als Objekte in „Docs“ auf.✓ Kopiert
    → Chargenfortschritt gemeldet; Objekte per Abfrage sichtbar
  4. Fragen
    Verwenden Sie weaviate-query-agent: „Wie rotieren wir API-Schlüssel?“✓ Kopiert
    → Die Antwort zitiert source_url aus der Docs-Sammlung

Ergebnis: Ein ausführbares lokales RAG, auf dem Sie iterieren können.

Fallstricke
  • Riesige PDF-Dateien im Ganzen aufnehmen, ohne sie aufzuteilen — Chunk bei ~500 Token; Lassen Sie die Aufnahmevorlage des Skills damit umgehen
Kombinieren mit: filesystem

Iterieren Sie ein Sammlungsschema ohne manuelle API-Aufrufe

👤 Teams verfeinern ihr Vektorschema ⏱ ~20 min intermediate

Wann einsetzen: Frühes RAG – Ihr Schema ändert sich wöchentlich und Sie möchten keine Curl-Befehle.

Ablauf
  1. Überprüfen Sie das aktuelle Schema
    Zeigen Sie das Schema für „Dokumente“ an – Felder, Vektorisierer, Indexkonfiguration.✓ Kopiert
    → Vollständige Konfiguration zurückgegeben
  2. Schlagen Sie eine Änderung vor
    Fügen Sie eine Enum-Eigenschaft „Sprache“ hinzu (en/zh/ja); Behalte den Rest.✓ Kopiert
    → Migrationsplan + Backup-Vorbehalt
  3. Anwenden
    Anwenden; Die vorhandenen 500 Objekte neu indizieren.✓ Kopiert
    → Job schreitet voran; zählt versöhnen

Ergebnis: Das Schema entwickelte sich sicher und im Bewusstsein der Kosten für die Neuindizierung.

Fallstricke
  • Vorausgesetzt, der Umzug ist kostenlos — Einige Änderungen erfordern eine erneute Einbettung; Die Fertigkeit lässt nach, wenn es günstig oder teuer ist

Hybridsuche + Filter für zuverlässige Antworten

👤 Jeder, der RAG an echte Benutzer versendet ⏱ ~15 min intermediate

Wann einsetzen: Bei der rein semantischen Suche fehlen genau passende Begriffe. Hybrid (BM25 + Vektor) behebt das Problem.

Ablauf
  1. Führen Sie Hybridabfragen aus
    Abfrage „SAML SSO-Fehlercode 42“, Alpha=0,5 (Balance-Semantik + Schlüsselwort).✓ Kopiert
    → Zu den Top-Hits gehört das wörtliche „42“-Match, aber auch konzeptionell verwandte
  2. Ebenenfilter
    Filtern Sie language='en' und source_url enthält '/docs/auth/'.✓ Kopiert
    → Treffer wurden eingeengt; Antwort bleibt zitiert

Ergebnis: Höhere Präzision bei exakten Begriffsabfragen ohne Einbußen bei der Erinnerung.

Kombinieren mit: local-rag

Kombinationen

Mit anderen MCPs für 10-fache Wirkung

weaviate-claude-skills + filesystem

Nehmen Sie lokale Dateien über das Dateisystem-MCP auf und fragen Sie sie dann über den Skill ab

Listen Sie alle Markdowns unter ./docs auf, übernehmen Sie sie in Weaviate „Docs“ und führen Sie dann eine Hybridsuche nach der Frage durch.✓ Kopiert
weaviate-claude-skills + local-rag

Vergleichen Sie Ansätze – nur Einbettungen mit dem strukturierten Index von Weaviate

Vergleichen Sie für dieses Korpus Local-Rag mit Weaviate-Hybrid anhand von 10 Bewertungsfragen.✓ Kopiert
weaviate-claude-skills + qdrant

Bewerten Sie die Auswahl der Vektor-DB für Ihre Arbeitslast

Führen Sie den gleichen Bewertungssatz für Weaviate und Qdrant aus. Meldelatenz + MRR.✓ Kopiert

Werkzeuge

Was dieses MCP bereitstellt

WerkzeugEingabenWann aufrufenKosten
weaviate-local-setup (SKILL) (none) Nur beim ersten Mal – ruft das lokale Weaviate auf 0
weaviate-connection (SKILL) URL + API key Überprüfen Sie die Erreichbarkeit und Authentifizierung 0
weaviate-collection-manager (SKILL) schema ops Erstellen, prüfen oder entwickeln Sie eine Sammlung 0
weaviate-data-ingestion (SKILL) object(s) or file paths Einzeleinfügung, Stapeleinfügung oder Dateiimport 0
weaviate-query-agent (SKILL) query + filters + alpha Semantische/hybride Suche und RAG-Antworten 0

Kosten & Limits

Was der Betrieb kostet

API-Kontingent
Keine – Weaviate wird lokal ausgeführt
Tokens pro Aufruf
Abfrage + abgerufene Blockgröße
Kosten in €
Kostenlos für Einheimische. Weaviate Cloud hat seine eigenen Preise, wenn Sie später migrieren.
Tipp
Absichtlich Chunk (~500 Token); Übergroße Blöcke verschwenden sowohl Speicherplatz als auch Kontext.

Sicherheit

Rechte, Secrets, Reichweite

Credential-Speicherung: Weaviate-API-Schlüssel in .env, nicht in Skill-Dateien. Der lokale Entwickler kann die Authentifizierung überspringen, den Port jedoch nicht freigeben.
Datenabfluss: Nichts verlässt Ihren Computer für die lokale Einrichtung. Cloud Weaviate sendet an Ihren konfigurierten Endpunkt.

Fehlerbehebung

Häufige Fehler und Lösungen

Verbindung abgelehnt 8080

Weaviate-Container läuft nicht. Docker Compose Up -d im Weaviate-Local-Setup.

Prüfen: curl localhost:8080/v1/.well-known/ready
Schemaänderung schlägt fehl

Einige Eigenschaftsänderungen erfordern eine Neuerstellung der Sammlung. Exportieren, löschen, neu erstellen, erneut aufnehmen.

Prüfen: weaviate-collection-manager diff output
Langsame Abfragen

Überprüfen Sie die HNSW-Indexparameter und stellen Sie sicher, dass der Vektorisierer ordnungsgemäß konfiguriert ist. Vermeiden Sie den Volltext-Fallback auf nicht indizierte Felder.

Prüfen: Query explain in the skill's debug mode

Alternativen

Weaviate Claude Skills vs. andere

AlternativeWann stattdessenKompromiss
qdrantSie bevorzugen die API- und Rust-Leistung von QdrantAnderes SDK; ähnliche Fähigkeiten
local-ragSie möchten ein leichtes lokales RAG ohne Vektor-DBWeniger flexibel; kein Schema
neo4jIhre Daten sind relational/grafisch, nicht vektoriellAnderes Modell

Mehr

Ressourcen

📖 Offizielle README auf GitHub lesen

🐙 Offene Issues ansehen

🔍 Alle 400+ MCP-Server und Skills durchsuchen