[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6K3CWJ3W8P9FBC4VW7RT2D0":3,"skill-same:01M6K3CWJ3W8P9FBC4VW7RT2D0":49},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":21,"linkOnly":22,"markdownContent":23,"markdownBody":24,"frontMatter":25,"refName":27,"commitSha":28,"skillDirectory":29,"forksCount":30,"repositoryHtmlUrl":31,"repositoryHomepageUrl":32,"ownerHtmlUrl":33,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":34,"install":35,"resources":48},"01M6K3CWJ3W8P9FBC4VW7RT2D0","gigachat-embeddings",null,"Векторизация текстов через GigaChat — семантический поиск, дедупликация, кластеризация","theYahia\u002FWWmcp","theYahia","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F246653301?v=4","01M6K34736E76C44JT314G24X6","Yahia","01M6K347785VPGXWJ7JJ7WWJWT",38,"MIT","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fgigachat\u002F.claude\u002Fskills\u002Fgigachat-embeddings\u002FSKILL.md",[],[19,20],"embeddings","gigachat embeddings","2026-11-10 10:12:30",false,"---\nname: gigachat-embeddings\ndescription: Векторизация текстов через GigaChat — семантический поиск, дедупликация, кластеризация\nargument-hint: \u003Cтексты или путь к файлу>\n---\n\n# \u002Fgigachat-embeddings — Эмбеддинги GigaChat\n\n## Алгоритм\n\n1. Собери массив текстов. Если пользователь дал файл — прочитай его и разбей на строки\n   или абзацы; один элемент массива = одна единица, которую будем сравнивать.\n2. Вызови `get_token_count` с model и input (массив текстов) — узнай, сколько токенов\n   уйдёт. Это дешевле, чем упереться в лимит на середине большой партии.\n3. Вызови `embed_text` с model = Embeddings и input — массивом текстов. Ответ содержит\n   вектор на каждый текст.\n4. Посчитай косинусную близость между векторами сам — сервер такого инструмента не даёт.\n   Формула: скалярное произведение, делённое на произведение норм.\n5. Отдай результат под задачу пользователя:\n   - **поиск** — топ-N ближайших к запросу;\n   - **дедупликация** — пары с близостью выше 0.95;\n   - **кластеризация** — группы, где все пары ближе порога.\n6. Если непонятно, какие модели доступны в этом аккаунте, вызови `list_models`.\n\n## Формат ответа\n\n```\n## Эмбеддинги GigaChat\n\n**Модель**: Embeddings\n**Текстов**: 42\n**Токенов**: 3 180\n**Размерность вектора**: 1024\n\n### Дубли (близость > 0.95)\n| # | Текст A | Текст B | Близость |\n|---|---------|---------|----------|\n| 1 | «доставка за час» | «доставим за 1 час» | 0.981 |\n\n### Кластеры\n1. Доставка (12 текстов)\n2. Оплата (8 текстов)\n```\n\n## Важно\n\n- Для эмбеддингов модель называется Embeddings, а не GigaChat. Модель для диалога сюда\n  не подходит.\n- Векторы от разных моделей несравнимы между собой. Не смешивай выдачи двух прогонов\n  с разными model.\n- Большой массив лучше резать на партии — один вызов с сотнями длинных текстов упрётся\n  в лимит запроса.\n\n## Примеры\n\n```\n\u002Fgigachat-embeddings отзывы.txt найди дубли\n\u002Fgigachat-embeddings \"доставка\", \"самовывоз\", \"курьер\" — кластеризуй\n```\n","# \u002Fgigachat-embeddings — Эмбеддинги GigaChat\n\n## Алгоритм\n\n1. Собери массив текстов. Если пользователь дал файл — прочитай его и разбей на строки\n   или абзацы; один элемент массива = одна единица, которую будем сравнивать.\n2. Вызови `get_token_count` с model и input (массив текстов) — узнай, сколько токенов\n   уйдёт. Это дешевле, чем упереться в лимит на середине большой партии.\n3. Вызови `embed_text` с model = Embeddings и input — массивом текстов. Ответ содержит\n   вектор на каждый текст.\n4. Посчитай косинусную близость между векторами сам — сервер такого инструмента не даёт.\n   Формула: скалярное произведение, делённое на произведение норм.\n5. Отдай результат под задачу пользователя:\n   - **поиск** — топ-N ближайших к запросу;\n   - **дедупликация** — пары с близостью выше 0.95;\n   - **кластеризация** — группы, где все пары ближе порога.\n6. Если непонятно, какие модели доступны в этом аккаунте, вызови `list_models`.\n\n## Формат ответа\n\n```\n## Эмбеддинги GigaChat\n\n**Модель**: Embeddings\n**Текстов**: 42\n**Токенов**: 3 180\n**Размерность вектора**: 1024\n\n### Дубли (близость > 0.95)\n| # | Текст A | Текст B | Близость |\n|---|---------|---------|----------|\n| 1 | «доставка за час» | «доставим за 1 час» | 0.981 |\n\n### Кластеры\n1. Доставка (12 текстов)\n2. Оплата (8 текстов)\n```\n\n## Важно\n\n- Для эмбеддингов модель называется Embeddings, а не GigaChat. Модель для диалога сюда\n  не подходит.\n- Векторы от разных моделей несравнимы между собой. Не смешивай выдачи двух прогонов\n  с разными model.\n- Большой массив лучше резать на партии — один вызов с сотнями длинных текстов упрётся\n  в лимит запроса.\n\n## Примеры\n\n```\n\u002Fgigachat-embeddings отзывы.txt найди дубли\n\u002Fgigachat-embeddings \"доставка\", \"самовывоз\", \"курьер\" — кластеризуй\n```\n",{"name":5,"description":7,"argument-hint":26},"\u003Cтексты или путь к файлу>","main","7b62c90e1fe74324605dc28d76f195200bb97252","servers\u002Fgigachat\u002F.claude\u002Fskills\u002Fgigachat-embeddings",5,"https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp","https:\u002F\u002Ftheyahia.github.io\u002FWWmcp\u002F","https:\u002F\u002Fgithub.com\u002FtheYahia","2026-09-26 23:47:22",{"source":8,"skillName":5,"commands":36,"prompt":46,"zipAvailable":47},[37,40,43],{"tool":38,"command":39},"npx","npx skills add theYahia\u002FWWmcp --skill gigachat-embeddings",{"tool":41,"command":42},"bunx","bunx skills add theYahia\u002FWWmcp --skill gigachat-embeddings",{"tool":44,"command":45},"pnpm","pnpm dlx skills add theYahia\u002FWWmcp --skill gigachat-embeddings","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fgigachat\u002F.claude\u002Fskills\u002Fgigachat-embeddings\u002FSKILL.md",true,[],[50,61,80,91,100,110],{"skillNo":51,"name":52,"nameZh":6,"description":53,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":54,"categories":55,"keywords":56,"publishedAt":21},"01M6K3RWTGY3JTQ0KV0H4P2CVW","refund-payment","Возврат по платежу — полный или частичный. Проверяет статус перед возвратом","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyookassa\u002F.claude\u002Fskills\u002Frefund-payment\u002FSKILL.md",[],[57,58,59,60],"refund payment","refund","payment","id",{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":72,"publishedAt":21},"01M6K3RR24K57228F28V28AZQZ","daily-report","Отчёт по платежам за сегодня — суммы, статусы, итого. Использует list_payments","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyookassa\u002F.claude\u002Fskills\u002Fdaily-report\u002FSKILL.md",[67],{"categoryNo":68,"categoryName":69,"taxonomyType":70,"taxonomyTypeDesc":71},"01JBSEEDCAT000000000000034","行政与办公人员","PROFESSION","适用职业",[73,74,75,76,77,78,79],"daily","daily report","report","payments","dd","list","mm",{"skillNo":81,"name":82,"nameZh":6,"description":83,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":84,"categories":85,"keywords":86,"publishedAt":21},"01M6K3RJQVGAT7MA7VCMHRZS5V","create-and-track","Создать платёж в ЮKassa и показать ссылку для оплаты. Использует create_payment и get_payment","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyookassa\u002F.claude\u002Fskills\u002Fcreate-and-track\u002FSKILL.md",[],[87,88,89,59,90],"create and track","track","create","get",{"skillNo":92,"name":93,"nameZh":6,"description":94,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":95,"categories":96,"keywords":97,"publishedAt":21},"01M6K3RE278XPXX9VXD9YCGD9G","check-account","Проверка статуса магазина ЮKassa — тестовый\u002Fбоевой, фискализация, ID","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyookassa\u002F.claude\u002Fskills\u002Fcheck-account\u002FSKILL.md",[],[98,99,60],"check account","check",{"skillNo":101,"name":102,"nameZh":6,"description":103,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":104,"categories":105,"keywords":106,"publishedAt":21},"01M6K3R9R8H86HABRCDTTA5WMY","semantic-core","Сбор семантического ядра под русский рынок — частотность, расширение, сезонность","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyandex-search\u002F.claude\u002Fskills\u002Fsemantic-core\u002FSKILL.md",[],[107,108,109],"semantic core","semantic","core",{"skillNo":111,"name":112,"nameZh":6,"description":113,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":114,"categories":115,"keywords":116,"publishedAt":21},"01M6K3R4KPD2BYBFVFP9FHR65P","geo-priority","Где спрос по фразе выше среднего — регионы РФ по объёму и affinity для геотаргетинга","https:\u002F\u002Fgithub.com\u002FtheYahia\u002FWWmcp\u002Fblob\u002Fmain\u002Fservers\u002Fyandex-search\u002F.claude\u002Fskills\u002Fgeo-priority\u002FSKILL.md",[],[117,118],"geo","geo priority"]