jpskill.com
💬 コミュニケーション コミュニティ 🟢 非エンジニアでもOK 👤 管理職・人事・カスタマー対応

💬 埋め込み

embeddings

embeddings」は、HNSWインデックスとハイパーボリックサポートにより、セマンティック検索やパターンマッチングを高速化し、知識検索を効率化するSkill。

⚡ ⏱ お礼メール定型化 5分/通 → 30秒/通

📺 まず動画で見る(YouTube)

▶ 【最新版】Claude(クロード)完全解説!20以上の便利機能をこの動画1本で全て解説 ↗

※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。

📜 元の英語説明(参考)

Vector embeddings with HNSW indexing, sql.js persistence, and hyperbolic support. 75x faster with agentic-flow integration. Use when: semantic search, pattern matching, similarity queries, knowledge retrieval. Skip when: exact text matching, simple lookups, no semantic understanding needed.

🇯🇵 日本人クリエイター向け解説

一言でいうと

embeddings」は、HNSWインデックスとハイパーボリックサポートにより、セマンティック検索やパターンマッチングを高速化し、知識検索を効率化するSkill。

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⬇ このSkillをダウンロード(.skill) 元のソースを見る ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-17
取得日時
2026-05-17
同梱ファイル
1

💬 こう話しかけるだけ — サンプルプロンプト

  • › Embeddings で、お客様への返信文を作って
  • › Embeddings を使って、社内向けアナウンスを書いて
  • › Embeddings で、メールテンプレートを整備して

これをClaude Code に貼るだけで、このSkillが自動発動します。

📖 Claude が読む原文 SKILL.md(中身を展開)

この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。

Embeddings Skill

Purpose

Vector embeddings for semantic search and pattern matching with HNSW indexing.

Features

Feature Description
sql.js Cross-platform SQLite persistent cache (WASM)
HNSW 150x-12,500x faster search
Hyperbolic Poincare ball model for hierarchical data
Normalization L2, L1, min-max, z-score
Chunking Configurable overlap and size
75x faster With agentic-flow ONNX integration

Commands

Initialize Embeddings

npx claude-flow embeddings init --backend sqlite

Embed Text

npx claude-flow embeddings embed --text "authentication patterns"

Batch Embed

npx claude-flow embeddings batch --file documents.json

Semantic Search

npx claude-flow embeddings search --query "security best practices" --top-k 5

Memory Integration

# Store with embeddings
npx claude-flow memory store --key "pattern-1" --value "description" --embed

# Search with embeddings
npx claude-flow memory search --query "related patterns" --semantic

Quantization

Type Memory Reduction Speed
Int8 3.92x Fast
Int4 7.84x Faster
Binary 32x Fastest

Best Practices

  1. Use HNSW for large pattern databases
  2. Enable quantization for memory efficiency
  3. Use hyperbolic for hierarchical relationships
  4. Normalize embeddings for consistency