关于 vector-setup
vector-setup 是用于配置 [email protected] 及其扩展的技能,并检查常用命令和 MCP 注册状态,适合准备使用 ruvector 命令行的用户。
主要功能
- 01固定 ruvector 版本
- 02安装缺失的扩展包
- 03使用 doctor 和 info 检查
- 04运行内置冒烟测试
- 05可选生成 pi 身份
适用场景
- 01首次启用 ruvector 子命令
- 02检查配置后的安装状态
- 03注册 ruvector MCP 服务
- 04为 brain 和 edge 生成 pi 身份
MCP 相关
该技能提供将 ruvector 注册为 Claude 的 MCP 服务并检查服务列表的命令。
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-setup安装后在 Claude Code 中输入/vector-setup确认已加载。
详细介绍
Vector 设置
安装 [email protected] 及其可选附加组件,确保每个 /vector 子命令在首次运行时都能正常工作。
存在的原因
开箱即用时,多个 /vector 子命令会因依赖错误而失败,且错误信息令人困惑:
| 错误 | 缺少的包 |
|---|---|
ONNX WASM files not bundled. The onnx/ directory is missing. | ruvector-onnx-embeddings-wasm |
Brain commands require @ruvector/pi-brain | @ruvector/pi-brain |
SONA not available. Native error: Cannot find module '/.../@ruvector/sona/index.js' | @ruvector/ruvllm(JS 回退方案) |
LLM commands require @ruvector/ruvllm | @ruvector/ruvllm |
此技能会一次性安装这些包。
步骤
- 固定 ruvector 版本:
npm install [email protected] - 安装附加组件(可重复执行——仅安装缺少的包):
若要精简安装,可传入npm install ruvector-onnx-embeddings-wasm \ @ruvector/pi-brain \ @ruvector/ruvllm--full,同时安装@ruvector/graph-node和@ruvector/router:npm install ruvector-onnx-embeddings-wasm \ @ruvector/pi-brain \ @ruvector/ruvllm \ @ruvector/graph-node \ @ruvector/router - 验证二进制文件:
npx -y [email protected] doctor npx -y [email protected] info - 注册 MCP 服务:
claude mcp add ruvector -- npx -y [email protected] mcp start claude mcp list | grep ruvector - 快速检查最常用的子命令:
npx -y [email protected] hooks route "test" npx -y [email protected] attention list npx -y [email protected] rvf examples - (可选)生成 pi 身份,用于 brain 和 edge:
npx -y [email protected] identity generate npx -y [email protected] identity show
冒烟测试
要确定性地验证安装,请运行插件捆绑的冒烟测试脚本:
bash plugins/ruflo-ruvector/scripts/smoke.sh
它会检查:版本固定、顶层子命令是否可见、hooks ast-analyze、hooks route、attention list、rvf examples 和 info。如果检测到任何内容偏离约定的接口,就会以非零状态码退出。
此操作不会安装的内容
- 原生 Rust 工具链(可选;仅从源码构建时需要)
- 特定于平台的原生绑定(由
@ruvector/core自动检测) @ruvector/sona原生绑定(在 macOS arm64 上,通过@ruvector/ruvllm提供的 JS 回退方案已足够;Linux x64 有自己的原生绑定)
如果运行此技能后 doctor 仍报告问题,请原样粘贴其输出并提出询问。
评论
支持 Markdown