💬 ベクターCluster
ruvectorのグラフクラスタリング機能で、コードの関連性を分析し、自動的にグループ分けするSkill。
📺 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)
Cluster code by graph community detection via npx ruvector@0.2.25 hooks graph-cluster (spectral / Louvain)
🇯🇵 日本人クリエイター向け解説
ruvectorのグラフクラスタリング機能で、コードの関連性を分析し、自動的にグループ分けする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。
下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o vector-cluster.zip https://jpskill.com/download/2280.zip && unzip -o vector-cluster.zip && rm vector-cluster.zip$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/2280.zip -OutFile "$d\vector-cluster.zip"; Expand-Archive "$d\vector-cluster.zip" -DestinationPath $d -Force; ri "$d\vector-cluster.zip"完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。
💾 手動でダウンロードしたい(コマンドが難しい人向け)
- 1. 下の青いボタンを押して
vector-cluster.zipをダウンロード - 2. ZIPファイルをダブルクリックで解凍 →
vector-clusterフォルダができる - 3. そのフォルダを
C:\Users\あなたの名前\.claude\skills\(Win)または~/.claude/skills/(Mac)へ移動 - 4. Claude Code を再起動
⚠️ 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. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 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. 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\
- · macOS / Linux:
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
- › Vector Cluster で、お客様への返信文を作って
- › Vector Cluster を使って、社内向けアナウンスを書いて
- › Vector Cluster 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。
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
ベクトルクラスター
ruvector を使用して、セマンティックな類似性に基づいて名前空間内のベクトルをクラスター化します。
使用する場面
このスキルは、埋め込みのコレクションがあり、自然なグループ分けを発見したい場合に使用します。クラスター化は、テーマを明らかにし、外れ値を特定し、大規模なベクトルコレクションを整理するのに役立ちます。
手順
- ruvector@0.2.25 が利用可能であることを確認します:
npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install ruvector@0.2.25 - クラスター化を実行します — ruvector@0.2.25 では、唯一機能するクラスター化は
hooks graph-cluster(コードグラフ上でのスペクトル/ルーヴァン) を介したものです。トップレベルのclusterコマンドは分散クラスター操作のために予約されており、現在、アップストリームでは「近日公開」です。npx -y ruvector@0.2.25 hooks graph-cluster <files...> npx -y ruvector@0.2.25 hooks graph-mincut <files...> - 出力を確認します — クラスター割り当て、コミュニティラベル、およびエッジを含む JSON です。「
"graph.nodes is not iterable"」と表示された場合は、最初にhooks initを実行してグラフの状態をシードしてください。 - 結果を保存します:
mcp__claude-flow__memory_store({ key: "clusters-PROJECT-TIMESTAMP", value: "CLUSTER_ASSIGNMENTS", namespace: "vector-clusters" })
結果の解釈
- 高い凝集度 (>0.85): 密接で明確なクラスター
- 中程度の凝集度 (0.6-0.85): 関連性はあるが多様なコンテンツ
- 低い凝集度 (<0.6): 緩いグループ分け、より高い解像度を試してください
- 外れ値: 調査する価値のある新規または異常なファイル
注意事項
cluster --namespace ... --k Nおよびcluster --densityは ruvector@0.2.25 では無効です — これらのフラグは分散クラスターコマンドに渡され、このコマンドは--status、--join、--leave、--nodes、--leader、--infoのみを受け入れます。- 任意の埋め込みに対する名前空間付き k-means の場合は、AgentDB に保存されているベクトルに対して独自のコードで k-means を実行してください。
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
Vector Cluster
Cluster vectors in a namespace by semantic similarity using ruvector.
When to use
Use this skill when you have a collection of embeddings and want to discover natural groupings. Clustering reveals themes, identifies outliers, and helps organize large vector collections.
Steps
- Ensure ruvector@0.2.25 is available:
npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install ruvector@0.2.25 - Run clustering — in ruvector@0.2.25 the only working clustering is via
hooks graph-cluster(spectral/Louvain over a code graph). The top-levelclustercommand is reserved for distributed cluster ops and is currently "Coming Soon" upstream.npx -y ruvector@0.2.25 hooks graph-cluster <files...> npx -y ruvector@0.2.25 hooks graph-mincut <files...> - Review output — JSON with cluster assignments, community labels, and edges. If you see
"graph.nodes is not iterable", runhooks initfirst to seed the graph state. - Store results:
mcp__claude-flow__memory_store({ key: "clusters-PROJECT-TIMESTAMP", value: "CLUSTER_ASSIGNMENTS", namespace: "vector-clusters" })
Interpreting results
- High cohesion (>0.85): tight, well-defined cluster
- Medium cohesion (0.6-0.85): related but diverse content
- Low cohesion (<0.6): loose grouping, try higher resolution
- Outliers: novel or anomalous files worth investigating
Caveats
cluster --namespace ... --k Nandcluster --densityare not valid in ruvector@0.2.25 — those flags fall through to the distributed-cluster command, which only accepts--status,--join,--leave,--nodes,--leader,--info.- For namespaced k-means over arbitrary embeddings, run k-means in your own code against vectors stored in AgentDB.