Compétences embedding-strategies
📦

embedding-strategies

Risque faible

Optimizar Modelos de Embedding para Búsqueda Semántica

Elegir el modelo de embedding y la estrategia de fragmentación correctos es fundamental para la calidad de la recuperación. Esta habilidad proporciona plantillas y mejores prácticas para implementar pipelines de búsqueda vectorial de alta calidad.

Prend en charge: Claude Codex Code(CC)
⚠️ 68 Médiocre
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "embedding-strategies". Recomienda un modelo de embedding para un sistema de búsqueda de documentos legales. Necesito alta precisión y puedo usar servicios API.

Résultat attendu:

  • Recomendado: text-embedding-3-large (3072 dimensiones) o voyage-2 (1024 dimensiones)
  • text-embedding-3-large: Mejor precisión, maneja 8191 tokens, ideal para cláusulas legales largas
  • voyage-2: Especializado en legal/código, 1024 dimensiones, límite de 4000 tokens
  • Considera fragmentar documentos legales por encabezados de sección para preservar el contexto de las cláusulas

Utilisation de "embedding-strategies". ¿Cómo debo fragmentar mi documentación técnica para un sistema RAG?

Résultat attendu:

  • Estrategia: Usa fragmentación semántica por encabezados combinada con división recursiva de caracteres
  • Tamaño de fragmento recomendado: 512 tokens con 50 tokens de superposición
  • Preserva ejemplos de código como fragmentos completos
  • Agrega metadatos de contexto vinculando fragmentos a secciones originales

Audit de sécurité

Risque faible
v5 • 1/21/2026

All static findings are false positives. C2 keyword alerts triggered by hash hex strings. Weak crypto alerts from hash substrings. External command alerts from ASCII flow diagrams using arrows. Hardcoded URL alerts are legitimate documentation links. No malicious code, command execution, or data exfiltration patterns found.

2
Fichiers analysés
818
Lignes analysées
0
résultats
5
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude Voir l’historique des audits →

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
21
Communauté
90
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

Construir Sistemas RAG

Implementar generación aumentada por recuperación seleccionando modelos de embedding y estrategias de fragmentación apropiados para su corpus de documentos.

Optimizar Búsqueda Semántica

Mejorar la relevancia de búsqueda eligiendo modelos de embedding adecuados a su tipo de contenido e implementando fragmentación y preprocesamiento apropiados.

Crear Pipelines de Embedding

Construir pipelines escalables que procesen documentos, fragmenten contenido, generen embeddings y preparen registros para bases de datos vectoriales.

Essayez ces prompts

Seleccionar Modelo de Embedding 
Necesito elegir un modelo de embedding para mi [use case: code search / multilingual documents / legal contracts]. Mis prioridades son [priority: accuracy / cost / speed]. Tengo [constraints: limit on dimensions / need open source / need API access]. Recomienda 3 modelos con justificación.
Implementar Estrategia de Fragmentación 
Ayúdame a implementar fragmentación para mi [data type: technical documentation / conversational data / code]. Necesito manejar [requirement: preserve context / maintain semantic boundaries / limit chunk size]. Proporciona código Python para fragmentación [strategy: token-based / sentence-based / recursive character].
Construir Pipeline de Embedding 
Crea un pipeline en Python que [input: processes documents from source / generates embeddings / stores in vector database]. Incluye [feature: batching / progress tracking / metadata handling]. Usa [model: OpenAI embeddings / sentence-transformers].
Evaluar Calidad de Recuperación 
Mi recuperación basada en embedding tiene [problem: low recall / inconsistent results / poor precision]. Mi configuración usa [model details]. Analiza las causas potenciales y sugiere mejoras para [metric: precision at k / recall / ndcg].

Bonnes pratiques

  • Ajustar el modelo de embedding al tipo de contenido: código, prosa o multilingüe
  • Normalizar embeddings para comparaciones confiables de similitud coseno
  • Usar superposición de tokens al fragmentar para preservar el contexto entre límites

Éviter

  • Mezclar diferentes modelos de embedding en el mismo índice
  • Ignorar límites de tokens y truncar contenido a mitad de pensamiento
  • Omitir el preprocesamiento, permitiendo que el ruido degrade la calidad del embedding

Foire aux questions

¿Con qué modelo de embedding debo comenzar?
Comienza con text-embedding-3-small para uso general. Equilibra costo y calidad. Cambia a text-embedding-3-large si necesitas mayor precisión, o voyage-2 para contenido de código y legal.
¿Cómo elijo el tamaño del fragmento?
512 tokens es un buen punto de partida para la mayoría de los casos de uso. Ajusta según la complejidad de tu contenido y los límites de tokens del modelo. Superpón 50 tokens para mantener el contexto entre fragmentos.
¿Puedo usar modelos de embedding locales?
Sí. Sentence-transformers soporta modelos como BAAI/bge-large-en-v1.5 e intfloat/multilingual-e5-large. Estos se ejecutan localmente y funcionan bien para escenarios de código abierto u offline.
¿Cómo evalúo la calidad de mi embedding?
Usa métricas precision@k, recall@k, MRR y NDCG@k. Prueba con documentos relevantes conocidos y compara los resultados recuperados contra la verdad fundamental.
¿Debo normalizar los embeddings?
Sí. Normaliza los embeddings antes de usar similitud coseno. La mayoría de los modelos de embedding modernos producen vectores normalizados por defecto, pero los modelos locales pueden requerir normalización explícita.
¿Qué preprocesamiento debo aplicar?
Elimina espacios en blanco excesivos, normaliza caracteres unicode y filtra caracteres especiales. Mantén el contenido semánticamente significativo. Puede ser necesaria limpieza específica del dominio para código o datos estructurados.

Détails du développeur

Auteur

wshobson

Licence

MIT

Dépôt

https://github.com/wshobson/agents/tree/main/plugins/llm-application-dev/skills/embedding-strategies

Réf

main

Structure de fichiers

📄 SKILL.md