leann
✓Indexación RAG local con reducción de almacenamiento del 97 % mediante recálculo diferido basado en anclajes. Almacenamiento de incrustación selectiva basado en gráficos para búsqueda de código semántico eficiente en memoria.
Instalación
SKILL.md
LEANN (Learned Embedding ANchor Navigation) - A graph-based selective recomputation system achieving 97% storage reduction for local RAG indexes while maintaining fast retrieval performance.
Use leann for persistent local code indexes with minimal storage overhead.
Instead of storing all embeddings at full precision (3 GB for 1M files), leann stores only strategic anchors and reconstructs others on-demand (128 MB for same dataset - 95.8% reduction).
Indexación RAG local con reducción de almacenamiento del 97 % mediante recálculo diferido basado en anclajes. Almacenamiento de incrustación selectiva basado en gráficos para búsqueda de código semántico eficiente en memoria. Fuente: zpankz/mcp-skillset.
Datos (listos para citar)
Campos y comandos estables para citas de IA/búsqueda.
- Comando de instalación
npx skills add https://github.com/zpankz/mcp-skillset --skill leann- Fuente
- zpankz/mcp-skillset
- Categoría
- </>Desarrollo
- Verificado
- ✓
- Primera vez visto
- 2026-02-01
- Actualizado
- 2026-02-18
Respuestas rápidas
¿Qué es leann?
Indexación RAG local con reducción de almacenamiento del 97 % mediante recálculo diferido basado en anclajes. Almacenamiento de incrustación selectiva basado en gráficos para búsqueda de código semántico eficiente en memoria. Fuente: zpankz/mcp-skillset.
¿Cómo instalo leann?
Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/zpankz/mcp-skillset --skill leann Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code o Cursor
¿Dónde está el repositorio de origen?
https://github.com/zpankz/mcp-skillset
Detalles
- Categoría
- </>Desarrollo
- Fuente
- skills.sh
- Primera vez visto
- 2026-02-01