Modelli CLIP, SigLIP 2, Voyage multimodal-3 per il recupero di immagini+testo, ricerca intermodale e suddivisione di documenti multimodali. Da utilizzare durante la creazione di RAG con immagini, l'implementazione della ricerca visiva o il recupero ibrido.
Installa rapidamente la skill AI multimodal-rag nel tuo ambiente di sviluppo tramite riga di comando
Fonte: yonatangross/orchestkit.
Build retrieval-augmented generation systems that handle images, text, and mixed content.
| Approach | Pros | Cons | Best For |
| Joint Embedding (CLIP) | Direct comparison | Limited context | Pure image search | | Caption-based | Works with text LLMs | Lossy conversion | Existing text RAG | | Hybrid | Best accuracy | More complex | Production systems |
Modelli CLIP, SigLIP 2, Voyage multimodal-3 per il recupero di immagini+testo, ricerca intermodale e suddivisione di documenti multimodali. Da utilizzare durante la creazione di RAG con immagini, l'implementazione della ricerca visiva o il recupero ibrido. Fonte: yonatangross/orchestkit.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-ragModelli CLIP, SigLIP 2, Voyage multimodal-3 per il recupero di immagini+testo, ricerca intermodale e suddivisione di documenti multimodali. Da utilizzare durante la creazione di RAG con immagini, l'implementazione della ricerca visiva o il recupero ibrido. Fonte: yonatangross/orchestkit.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-rag Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/yonatangross/orchestkit