Caching semantico Redis per applicazioni LLM. Da utilizzare quando si implementa la memorizzazione nella cache di similarità vettoriale, si ottimizzano i costi LLM tramite risposte memorizzate nella cache o si creano gerarchie di cache multilivello.
Installa rapidamente la skill AI semantic-caching nel tuo ambiente di sviluppo tramite riga di comando
Fonte: yonatangross/orchestkit.
| 0.98-1.00 | 0.00-0.02 | Nearly identical | | 0.95-0.98 | 0.02-0.05 | Very similar | | 0.92-0.95 | 0.05-0.08 | Similar (default) | | 0.85-0.92 | 0.08-0.15 | Moderately similar |
| Threshold | Start at 0.92, tune based on hit rate | | TTL | 24h for production | | Embedding | text-embedding-3-small (fast) | | L1 size | 1000-10000 entries |
redis-vector-cache Keywords: redis, vector, embedding, similarity, cache Solves:
Caching semantico Redis per applicazioni LLM. Da utilizzare quando si implementa la memorizzazione nella cache di similarità vettoriale, si ottimizzano i costi LLM tramite risposte memorizzate nella cache o si creano gerarchie di cache multilivello. Fonte: yonatangross/orchestkit.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/yonatangross/orchestkit --skill semantic-cachingCaching semantico Redis per applicazioni LLM. Da utilizzare quando si implementa la memorizzazione nella cache di similarità vettoriale, si ottimizzano i costi LLM tramite risposte memorizzate nella cache o si creano gerarchie di cache multilivello. 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 semantic-caching 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