hybrid-search-implementation

Visão Geral

O que é o hybrid-search-implementation?

A skill hybrid-search-implementation oferece padrões práticos para combinar buscas vetoriais (semânticas) e buscas por palavra-chave (correspondência exata). Essa abordagem híbrida é essencial para desenvolvedores backend que constroem sistemas de geração aumentada por recuperação (RAG), motores de busca personalizados ou qualquer aplicação onde nem a busca vetorial nem a por palavra-chave sozinhas entregam recall ou precisão suficientes.

Quem deve usar esta skill?

• Desenvolvedores backend trabalhando com recuperação de informação, RAG ou projetos de motores de busca
• Equipes que precisam melhorar o recall para consultas que exigem tanto entendimento semântico quanto palavras-chave específicas
• Projetos onde vocabulário específico do domínio ou identificadores exatos (nomes, códigos) são importantes

Quais problemas ela resolve?

• Busca vetorial pura pode deixar de encontrar resultados que só correspondem via palavras-chave
• Busca por palavra-chave sozinha pode não capturar o significado semântico
• A busca híbrida aumenta a chance de encontrar resultados relevantes ao fundir ambas as abordagens

Como Usar

Passos para Instalação

1. Instale a skill usando o Agent Skills CLI:

   npx skills add https://github.com/wshobson/agents --skill hybrid-search-implementation
   

2. Revise a documentação principal e exemplos de código no arquivo SKILL.md dentro do diretório da skill. Este arquivo detalha a arquitetura, métodos de fusão e templates em Python.

Conceitos e Arquitetura Principais

• Arquitetura de Busca Híbrida:

  • A consulta é processada tanto por motores de busca vetorial quanto por palavra-chave.
  • Resultados candidatos de ambos são combinados usando um método de fusão.
  • A lista final ranqueada é retornada ao usuário ou sistema downstream.

• Métodos de Fusão Suportados:

  • Reciprocal Rank Fusion (RRF): Uso geral, fácil de implementar.
  • Fusão Linear: Soma ponderada de scores para equilíbrio ajustável.
  • Reordenação com Cross-encoder: Usa modelo neural para resultados de alta qualidade.
  • Cascata: Filtra com um método e reordena com outro para eficiência.

Exemplo de Uso

• Utilize o template Python fornecido para Reciprocal Rank Fusion para combinar listas ranqueadas dos seus motores de busca vetorial e por palavra-chave.
• Adapte o código ao seu stack backend e fontes de dados conforme necessário.

Estrutura de Arquivos e Orientações

• Comece pelo SKILL.md para uma visão conceitual e templates de código.
• Verifique contextos adicionais em README.md, AGENTS.md e pastas de suporte, se existirem.
• Integre o fluxo de trabalho ao seu próprio repositório e backend, customizando conforme o caso de uso.

Perguntas Frequentes

Quando devo usar o hybrid-search-implementation?

Use esta skill quando precisar melhorar o recall em sistemas RAG ou motores de busca, especialmente para consultas que exigem tanto compreensão semântica quanto correspondência exata de palavras-chave. É especialmente útil em domínios com vocabulário especializado ou identificadores.

Qual linguagem de programação é suportada?

Os templates e exemplos fornecidos são em Python, tornando-a adequada para projetos backend baseados em Python.

Esta skill oferece um motor de busca completo?

Não, o hybrid-search-implementation fornece padrões e templates de código para combinar sistemas de busca vetorial e por palavra-chave existentes. Você precisará integrá-la à sua própria infraestrutura de busca.

Onde encontro o código principal e a documentação?

A documentação principal e os templates de código estão no arquivo SKILL.md. Use a aba de Arquivos para explorar toda a estrutura do diretório e scripts de suporte.

Esta skill é adequada para projetos frontend ou UI?

Não, esta skill é focada no desenvolvimento backend e na lógica de recuperação de informação. Não é destinada para implementação frontend ou UI.