使用Exa API进行语义搜索、相似内容发现和结构化研究

通过 vexor 进行语义文件发现。当在中大型仓库中难以确定某项内容的实现、加载或定义位置时使用，优先于手动浏览。

分析提供的内容中的关键词使用情况，计算关键词密度，并根据主题推荐语义变体和LSI关键词，防止过度优化。建议主动用于内容优化。

使用现代C++特性、RAII、智能指针和STL算法编写地道的C++代码，支持模板、移动语义和性能优化

分析 Stitch 项目并将语义化设计系统整合为 DESIGN.md 文件

精通向量数据库、嵌入策略与语义搜索实现，熟练掌握Pinecone、Weaviate、Qdrant、Milvus和pgvector，应用于RAG系统、推荐系统等场景

根据 agentskills 规范验证 Claude Code 的技能，能在用户发现之前捕获结构、语义和命名问题

基于向量的命令行工具，支持语义文件搜索，具备Claude/Codex能力

设置并运行 OpenViking MCP 服务器以支持 RAG 功能，适用于需要通过 Model Context Protocol 向 Claude Desktop/CLI 或其他 MCP 客户端提供语义搜索和文档问答的场景。当用户请求涉及 OpenViking MCP、RAG 服务器或语义搜索 MCP 配置时触发。