mcpField
V
vector-hyperbolic

vector-hyperbolic

github.com/ruvnet数据与数据库80.1k724 次安装今天更新
代码仓库

关于 vector-hyperbolic

vector-hyperbolic 是使用 ruvector 在庞加莱球模型中表示层级数据的技能。它说明如何生成嵌入、投影向量、计算距离并存储结果，适用于依赖树和分类体系等数据。

主要功能

  1. 01使用 ruvector 生成基础嵌入
  2. 02将向量投影到庞加莱球
  3. 03计算测地距离
  4. 04存储投影坐标和邻居
  5. 05处理层级数据集

适用场景

  1. 01分析模块依赖树中的关系
  2. 02映射类层次结构和分类体系
  3. 03按层级导航代码库

MCP 相关

使用 Ruflo MCP memory 工具存储投影坐标和邻居。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/ruvnet/ruflo --skill vector-hyperbolic

安装后在 Claude Code 中输入/vector-hyperbolic确认已加载。

详细介绍

双曲向量

使用 ruvector 在庞加莱球模型中嵌入层级数据。

适用场景

当数据具有内在层级结构（如依赖树、模块结构、分类体系、组织结构图和本体）时，请使用此技能。与欧几里得嵌入相比，双曲空间只需少得多的维度就能捕捉层级距离。

步骤

  1. 确保 [email protected] 可用： 
    npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install [email protected]
  2. 生成基础 ONNX 嵌入（[email protected] 的 embed text 未提供 --model poincare 标志）： 
    npx -y [email protected] embed text "hierarchical concept" -o concept.vec.json
  3. 在自己的代码中（或通过实验性神经基底）投影到庞加莱球： 
    npx -y [email protected] embed neural --help
    对于临时投影，将 384 维向量归一化，使其位于单位球内（x_i / (||x|| * (1 + epsilon))），并将投影后的坐标与原始嵌入一起持久化。
  4. 测地距离：d(u, v) = arcosh(1 + 2 * ||u-v||^2 / ((1-||u||^2)(1-||v||^2))) 距离随树深度呈对数增长，从而保留层级关系。
  5. 存储结果： mcp__plugin_ruflo-core_ruflo__memory_store({ key: "hyperbolic-CONCEPT", value: "COORDINATES_AND_NEIGHBORS", namespace: "hyperbolic-embeddings" })

注意事项

  • [email protected] 没有一流的庞加莱球 CLI 标志。请将双曲投影视为对标准 ONNX 嵌入进行的后处理步骤。
  • 如果需要双曲搜索索引，请将投影后的坐标存储在 AgentDB 中，并在自己的检索代码中计算测地距离。

庞加莱球的属性

属性含义
范数接近 0通用的根级概念
范数接近 1特定的叶级概念
测地距离较小在层级中关系密切
测地距离较大相距较远或属于不同子树

用例

  • 依赖分析：嵌入模块导入关系，以发现紧密耦合的子树
  • 代码架构：映射类层级，以发现结构模式
  • 知识组织：嵌入概念，以揭示分类关系
  • 代码库导航：根据查询查找最具体或最通用的模块

评论

支持 Markdown