Skills Agentes

Vector Hyperbolic

Genera embeddings de datos jerárquicos con `ruvector@0.2.25 embed text` y los proyecta en la bola de Poincaré en tu propio código (0.2.25 no tiene flag --model poincare).

Solicitabash read mcp__plugin_ruflo-core_ruflo__memory_store mcp__plugin_ruflo-core_ruflo__memory_search
Estrellas
69.4k

en todo el repo

Actividad
54

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
1

últimos 90 días

Contexto
668 tok

36 tok en reposo

Paquete
1 archivo

3 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add ruvnet/ruflo --skill vector-hyperbolic --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Genera un embedding ONNX base y lo proyecta en la bola de Poincaré para representar datos jerárquicos
  • Calcula la distancia geodésica entre vectores, que crece logarítmicamente con la profundidad del árbol
  • Guarda coordenadas proyectadas y vecinos en AgentDB

Úsalo cuando

  • Tus datos tienen jerarquía inherente: árboles de dependencias, estructuras de módulos, taxonomías, organigramas, ontologías

No lo uses cuando

  • No existe un flag CLI `--model poincare`; la proyección hiperbólica se trata como post-procesamiento manual

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Mapea la jerarquía de módulos de este proyecto en espacio hiperbólico
  • Calcula la distancia geodésica entre estos dos conceptos

SKILL.md

En inglés

Vector Hyperbolic

Embed hierarchical data in the Poincare ball model using ruvector.

When to use

Use this skill when your data has inherent hierarchy — dependency trees, module structures, taxonomies, org charts, ontologies. Hyperbolic space captures hierarchical distances with far fewer dimensions than Euclidean embeddings.

Steps

  1. Ensure ruvector@0.2.25 is available:
    npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install ruvector@0.2.25
    
  2. Generate a base ONNX embedding (ruvector@0.2.25 does not expose a --model poincare flag on embed text):
    npx -y ruvector@0.2.25 embed text "hierarchical concept" -o concept.vec.json
    
  3. Project into the Poincare ball in your own code (or via the experimental neural substrate):
    npx -y ruvector@0.2.25 embed neural --help
    
    For an ad-hoc projection, normalize the 384-dim vector to live inside the unit ball (x_i / (||x|| * (1 + epsilon))) and persist the projected coordinates alongside the original embedding.
  4. Geodesic distance: d(u, v) = arcosh(1 + 2 * ||u-v||^2 / ((1-||u||^2)(1-||v||^2))) Distance grows logarithmically with tree depth, preserving hierarchy.
  5. Store results: mcp__plugin_ruflo-core_ruflo__memory_store({ key: "hyperbolic-CONCEPT", value: "COORDINATES_AND_NEIGHBORS", namespace: "hyperbolic-embeddings" })

Caveats

  • ruvector@0.2.25 has no first-class Poincare ball CLI flag. Treat hyperbolic projection as a post-processing step over a standard ONNX embedding.
  • If you need a hyperbolic search index, store projected coordinates in AgentDB and compute geodesic distance in your own retrieval code.

Poincare ball properties

Property Meaning
Norm close to 0 Generic, root-level concept
Norm close to 1 Specific, leaf-level concept
Small geodesic distance Closely related in hierarchy
Large geodesic distance Distant or different subtrees

Use cases

  • Dependency analysis: embed module imports to find tightly coupled subtrees
  • Code architecture: map class hierarchies to discover structural patterns
  • Knowledge organization: embed concepts to reveal taxonomic relationships
  • Codebase navigation: find most specific/general modules relative to a query

Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.

Archivos

1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Requiere ruvector@0.2.25 instalado.

Necesita en el PATH:npm

Detalles

Creador
ruvnet
Licencia
MIT
Recursos incluidos
Solo SKILL.md
Repositorio
ruvnet/ruflo
Código fuente
Ver SKILL.md

Etiquetas

Más de ruvnet/ruflo

Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.

Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.

Costo de contexto al activarse
833 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
herramientas desarrollo

Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.

Costo de contexto al activarse
566 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
automatizacion

Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.

Costo de contexto al activarse
627 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
automatizacion

Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

Costo de contexto al activarse
866 tok
Tamaño del paquete
1 archivo
Última actualización
hace 27 días
herramientas desarrollo

Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.

Costo de contexto al activarse
680 tok
Tamaño del paquete
1 archivo
Última actualización
hace 27 días
herramientas desarrollo

Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.

Costo de contexto al activarse
443 tok
Tamaño del paquete
1 archivo
Última actualización
hace 26 días
devops infraestructura

Skills relacionados

Agente especializado en desarrollo, entrenamiento y despliegue de modelos de machine learning.

Costo de contexto al activarse
1.3k tok
Tamaño del paquete
1 archivo
Última actualización
hace 6 meses
datos analitica

Agente experto en análisis y optimización de matrices usando algoritmos sublineales. Se especializa en propiedades matriciales, dominancia diagonal, número de condición y recomendaciones para sistemas lineales grandes.

Costo de contexto al activarse
1.8k tok
Tamaño del paquete
1 archivo
Última actualización
hace 6 meses
datos analitica

Especialista en entrenamiento y despliegue de redes neuronales. Gestiona entrenamiento distribuido, inferencia y ciclo de vida de modelos usando la infraestructura cloud de Flow Nexus.

Costo de contexto al activarse
965 tok
Tamaño del paquete
1 archivo
Última actualización
hace 6 meses
datos analitica