Выбирайте и оптимизируйте модели внедрения для приложений семантического поиска и RAG. Используйте при выборе моделей внедрения, реализации стратегий фрагментирования или оптимизации качества внедрения для конкретных областей.
Быстро установите AI-навык embedding-strategies в вашу среду разработки через командную строку
Источник: rmyndharis/antigravity-skills.
Guide to selecting and optimizing embedding models for vector search applications.
| Model | Dimensions | Max Tokens | Best For |
| text-embedding-3-large | 3072 | 8191 | High accuracy | | text-embedding-3-small | 1536 | 8191 | Cost-effective | | voyage-2 | 1024 | 4000 | Code, legal | | bge-large-en-v1.5 | 1024 | 512 | Open source | | all-MiniLM-L6-v2 | 384 | 256 | Fast, lightweight | | multilingual-e5-large | 1024 | 512 | Multi-language |
Выбирайте и оптимизируйте модели внедрения для приложений семантического поиска и RAG. Используйте при выборе моделей внедрения, реализации стратегий фрагментирования или оптимизации качества внедрения для конкретных областей. Источник: rmyndharis/antigravity-skills.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/rmyndharis/antigravity-skills --skill embedding-strategiesВыбирайте и оптимизируйте модели внедрения для приложений семантического поиска и RAG. Используйте при выборе моделей внедрения, реализации стратегий фрагментирования или оптимизации качества внедрения для конкретных областей. Источник: rmyndharis/antigravity-skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/rmyndharis/antigravity-skills --skill embedding-strategies После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/rmyndharis/antigravity-skills