mcpField
E
embeddings

embeddings

github.com/ruvnetデータ・データベース80.0k1.2k 回インストール今日更新
リポジトリ

embeddings について

claude-flow のワークフローで意味検索やパターン照合を行うための埋め込みスキルです。HNSW インデックス、設定可能なテキスト分割、正規化、量子化、SQLite 永続化を備えます。

主な機能

  1. 01HNSW による意味検索
  2. 02SQLite 永続キャッシュ
  3. 03設定可能なテキスト分割
  4. 04L1、L2、最小最大値、z-score 正規化
  5. 05Int8、Int4、バイナリ量子化

活用シーン

  1. 01文書群の意味検索
  2. 02メモリ内の関連パターン照合
  3. 03量子化による埋め込み保存量の削減

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://github.com/ruvnet/ruflo --skill embeddings

インストール後、Claude Code で/embeddingsを入力して読み込まれたか確認します。

詳細

埋め込みスキル

目的

HNSW インデックスを使用した、セマンティック検索とパターンマッチング向けのベクトル埋め込みです。

機能

機能説明
sql.jsクロスプラットフォーム対応の永続キャッシュ（WASM）
HNSW検索速度が150～12,500倍向上
Hyperbolic階層データ向けのポアンカレ球モデル
正規化L2、L1、最小-最大、zスコア
チャンク化オーバーラップとサイズを設定可能
75倍高速agentic-flow の ONNX 統合を有効にした場合

コマンド

埋め込みを初期化
npx claude-flow embeddings init --backend sqlite
テキストを埋め込む
npx claude-flow embeddings embed --text "authentication patterns"
一括埋め込み
npx claude-flow embeddings batch --file documents.json
セマンティック検索
npx claude-flow embeddings search --query "security best practices" --top-k 5

メモリ統合

# Store with embeddings
npx claude-flow memory store --key "pattern-1" --value "description" --embed

# Search with embeddings
npx claude-flow memory search --query "related patterns" --semantic

量子化

種類メモリ削減率速度
Int83.92倍高速
Int47.84倍より高速
Binary32倍最速

ベストプラクティス

  1. 大規模なパターンデータベースにはHNSWを使用します
  2. メモリ効率を高めるために量子化を有効にします
  3. 階層的な関係には双曲モデルを使用します
  4. 一貫性を保つために埋め込みを正規化します

コメント

Markdown 対応