embedding-strategies
Projetar Estratégias de Embedding para RAG
As equipes precisam de escolhas claras para modelos de embedding, chunking e avaliação antes de criar busca vetorial. Esta habilidade fornece modelos práticos e orientação para decisões em RAG e recuperação semântica.
Instalar com meu Agente
Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.
Review the Skillstore skill "embedding-strategies" from https://skillstore.io/skills/sickn33-embedding-strategies.md and its manifest at https://skillstore.io/api/skills/sickn33-embedding-strategies/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.
Recursos legíveis por agentes
Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.
Testar
Usando "embedding-strategies". Preciso de embeddings para artigos de suporte em inglês com baixo custo.
Resultado esperado:
Recomendado text-embedding-3-small, solicitações em lote, vetores normalizados e testes de recall com consultas comuns de suporte.
Usando "embedding-strategies". Documentos jurídicos precisam de chunks cientes de seção.
Resultado esperado:
Use chunking por seção semântica com sobreposição moderada, preserve cabeçalhos e armazene identificadores de documento como metadados.
Usando "embedding-strategies". A qualidade da busca caiu após uma mudança de modelo.
Resultado esperado:
Execute uma avaliação lado a lado com precisão, recall, MRR e NDCG antes de substituir o índice de embeddings existente.
Auditoria de segurança
SeguroAll 17 static findings are false positives caused by Markdown formatting, documentation links, ordinary Python dictionary access, or prose. No prompt injection, malicious command execution, system reconnaissance, or semantic security issue was found.
Fatores de risco
⚙️ Comandos externos (12)
🌐 Acesso à rede (3)
Compartilhar e citar este relatório
Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.
Copiar link do relatório
https://skillstore.io/skills/sickn33-embedding-strategies/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportBadge Markdown
[](https://skillstore.io/skills/sickn33-embedding-strategies?utm_source=security_passport_badge)Badge HTML
<a href="https://skillstore.io/skills/sickn33-embedding-strategies?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-embedding-strategies/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Cartão incorporável
<iframe src="https://skillstore.io/embed/skills/sickn33-embedding-strategies.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citações acadêmicas (APA · BibTeX · CFF)
Citação APA
sickn33. (2026). embedding-strategies security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-embedding-strategies/audits/5Citação BibTeX
@techreport{sickn33-sickn33-embedding-strategies-2026,
author = {sickn33},
title = {embedding-strategies security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-embedding-strategies/audits/5},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "embedding-strategies security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-embedding-strategies/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-embedding-strategies:audit:5"
description: "Skillstore immutable audit report identifier"
Comparar variantes
2 variantes instaláveisCada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.
Por que esta variante está em primeiro
wshobson-embedding-strategies
2026-09-09
sickn33-embedding-strategies
2026-09-09
Pontuação do Skillstore
Por que esta pontuação Confiança das evidências: AltoO que você pode criar
Seleção de Modelo para RAG
Compare opções de embedding hospedadas e locais quanto a precisão, custo e requisitos de idioma.
Projeto de Política de Chunking
Escolha tamanhos de chunks, sobreposição e limites semânticos para documentos antes da indexação.
Planejamento de Avaliação de Recuperação
Defina verificações de precisão, recall, MRR e NDCG para revisões de qualidade de busca.
Teste estes prompts
Ajude-me a escolher um modelo de embedding para [content type], [languages], [budget] e [latency target]. Compare os tradeoffs e recomende uma opção.
Projete uma estratégia de chunking para [document type] com [average length], [retrieval goal] e [token limit]. Inclua tamanho, sobreposição e verificações de validação.
Crie um plano de implementação para um pipeline de embedding para RAG usando [provider], [vector database] e [metadata fields]. Inclua decisões sobre processamento em lote, pré-processamento e cache.
Projete um plano de avaliação para [query set] e [relevance labels]. Inclua métricas, amostragem, análise de falhas e limites de aceitação.
Boas práticas
- Associe o modelo de embedding ao tipo de conteúdo, à cobertura de idiomas e às necessidades de latência.
- Preserve limites semânticos ao dividir documentos longos em chunks.
- Avalie a qualidade da recuperação antes e depois de mudanças no modelo ou no chunking.
Evitar
- Misturar modelos de embedding no mesmo índice vetorial sem planejamento de migração.
- Ignorar limites de tokens e permitir que contexto importante seja truncado.
- Pular pré-processamento, normalização e validação de recuperação.
Perguntas frequentes
Com o que esta habilidade ajuda?
Ela executa trabalhos de embedding?
Ela oferece suporte a modelos de embedding locais?
Ela é apenas para sistemas RAG?
Ela cobre métricas de avaliação?
Os detalhes dos modelos devem ser verificados?
Detalhes do desenvolvedor
Autor
sickn33Licença
MIT
Revisão da Skillstore
r2
Aviso de versão
O autor não declarou uma versão.
Repositório
https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/embedding-strategiesReferência
88a8e9a07f4c54ab105c1c41b6267c287146b07b
Atualidade da manutenção
29/07/2026
Uso
7 downloads · 106 visualizações
Estrutura de arquivos
📄 SKILL.md