embeddings
Векторные эмбеддинги с индексацией HNSW, хранением в sql.js и поддержкой гиперболических пространств. Ускоряет семантический поиск, поиск по сходству и извлечение знаний в 75 раз. Используйте для семантического поиска и извлечения знаний, избегайте для точного текстового совпадения.
Что делает навык
Инструмент для создания векторных эмбеддингов с индексацией HNSW, хранением в sql.js и поддержкой гиперболических пространств, что ускоряет семантический поиск и извлечение знаний. Позволяет эффективно работать с большими базами паттернов и иерархическими данными.
Когда применять
- Семантический поиск по тексту с использованием HNSW для ускорения запросов.
- Извлечение знаний и поиск по сходству в больших массивах данных.
- Работа с иерархическими структурами данных с помощью модели Poincare ball.
- Оптимизация использования памяти при хранении эмбеддингов через квантование.
Как работает
- Инициализировать базу данных с помощью команды embeddings init --backend sqlite.
- Создать эмбеддинги для текста или пакета документов через команды embed или batch.
- Выполнить семантический поиск по запросу с указанием количества результатов (top-k).
- Интегрировать эмбеддинги в память агента для хранения и последующего семантического поиска.
- Применить квантование (Int8, Int4, Binary) для снижения потребления памяти и ускорения работы.
Примеры запросов агенту
Что понадобится
- npx claude-flow
- sql.js (WASM)
- agentic-flow ONNX integration
Описание составлено по SKILL.md навыка, сверено 08.10.2026.
Как подключить
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.