💬 ベクターHyperbolic
階層的な情報を、特徴を捉えたベクトル（数値
📺 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)
Embed hierarchical data via npx ruvector@0.2.25 embed text and project into the Poincare ball in user code (no --model poincare flag in 0.2.25)
🇯🇵 日本人クリエイター向け解説
階層的な情報を、特徴を捉えたベクトル（数値
※ 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-hyperbolic.zip https://jpskill.com/download/2282.zip && unzip -o vector-hyperbolic.zip && rm vector-hyperbolic.zip$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/2282.zip -OutFile "$d\vector-hyperbolic.zip"; Expand-Archive "$d\vector-hyperbolic.zip" -DestinationPath $d -Force; ri "$d\vector-hyperbolic.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-hyperbolic.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-hyperbolic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 Hyperbolic で、お客様への返信文を作って
- › Vector Hyperbolic を使って、社内向けアナウンスを書いて
- › Vector Hyperbolic 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。
Vector Hyperbolic
ruvector を使用して、階層データをポアンカレ球モデルに埋め込みます。
使用する場面
このスキルは、データに固有の階層がある場合（依存関係ツリー、モジュール構造、タクソノミー、組織図、オントロジーなど）に使用します。双曲空間は、ユークリッド埋め込みよりもはるかに少ない次元で階層的な距離を捉えます。
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 - ベースとなる ONNX 埋め込みを生成します (ruvector@0.2.25 は
embed textに--model poincareフラグを公開していません):npx -y ruvector@0.2.25 embed text "hierarchical concept" -o concept.vec.json - 独自のコードで（または実験的なニューラル基板を介して）ポアンカレ球に投影します:
npx -y ruvector@0.2.25 embed neural --helpアドホックな投影の場合、384次元ベクトルを単位球の内側 (
x_i / (||x|| * (1 + epsilon))) に収まるように正規化し、投影された座標を元の埋め込みとともに永続化します。 - 測地距離:
d(u, v) = arcosh(1 + 2 * ||u-v||^2 / ((1-||u||^2)(1-||v||^2)))距離はツリーの深さに応じて対数的に増加し、階層を保持します。 - 結果を保存します:
mcp__claude-flow__memory_store({ key: "hyperbolic-CONCEPT", value: "COORDINATES_AND_NEIGHBORS", namespace: "hyperbolic-embeddings" })
注意事項
- ruvector@0.2.25 には、ファーストクラスの Poincare ball CLI フラグがありません。双曲投影は、標準的な ONNX 埋め込みに対する後処理ステップとして扱ってください。
- 双曲検索インデックスが必要な場合は、投影された座標を AgentDB に保存し、独自の検索コードで測地距離を計算してください。
ポアンカレ球の特性
| 特性 | 意味 |
|---|---|
| ノルムが 0 に近い | 汎用的、ルートレベルの概念 |
| ノルムが 1 に近い | 特定的、リーフレベルの概念 |
| 測地距離が小さい | 階層内で密接に関連している |
| 測地距離が大きい | 遠い、または異なるサブツリー |
ユースケース
- 依存関係分析: モジュールのインポートを埋め込み、密結合なサブツリーを見つけます
- コードアーキテクチャ: クラス階層をマッピングし、構造パターンを発見します
- 知識整理: 概念を埋め込み、分類学的関係を明らかにします
- コードベースナビゲーション: クエリに対して最も具体的/一般的なモジュールを見つけます
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
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
- Ensure ruvector@0.2.25 is available:
npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install ruvector@0.2.25 - Generate a base ONNX embedding (ruvector@0.2.25 does not expose a
--model poincareflag onembed text):npx -y ruvector@0.2.25 embed text "hierarchical concept" -o concept.vec.json - Project into the Poincare ball in your own code (or via the experimental neural substrate):
npx -y ruvector@0.2.25 embed neural --helpFor 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. - 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. - Store results:
mcp__claude-flow__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