# chunking-strategy

Помогает настроить нарезку текста для RAG-систем и векторных баз данных. Подбирает размер чанков от 256 до 1024 токенов и проверяет метрики извлечения.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 3800 установок · ★ 363
- Автор: giuseppe-trisciuoglio
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-ai/skills/chunking-strategy/SKILL.md
- Обновлён: 2026-09-10
- HTML: https://affpapa.org/nevibecode/skills/chunking-strategy

## Что делает

Скилл содержит пять уровней нарезки документов для RAG: от фиксированного шага до семантического разбиения по сходству эмбеддингов. Для простых текстов рекомендуют 512 токенов с перекрытием 10–20%. Если запрос фактоидный, размер снижают до 256. Для аналитики берут 1024 токена. Структурированный контент вроде кода на Python или таблиц разбирается через AST, чтобы сохранить функции и классы целиком.

В процесс заложена проверка качества выборки и итеративная подгонка. Если точность precision падает ниже 0.7, размер фрагмента уменьшается на 25%. Когда recall опускается ниже 0.6, перекрытие увеличивают на 10%. Для семантического анализа потребуется пакет `sentence-transformers` с моделью вроде `all-MiniLM-L6-v2`. Вычисления для эмбеддингов создают ощутимую нагрузку на процессор. Поэтому сложная нарезка заметно замедлит обработку больших партий документов.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill chunking-strategy -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/chunking-strategy/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/chunking-strategy/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill chunking-strategy -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/chunking-strategy/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill chunking-strategy -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/chunking-strategy/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install giuseppe-trisciuoglio/developer-kit chunking-strategy
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/chunking-strategy/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill chunking-strategy -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/giuseppe-trisciuoglio/developer-kit --path plugins/developer-kit-ai/skills/chunking-strategy
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/chunking-strategy/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill chunking-strategy -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-ai/skills/chunking-strategy/SKILL.md

## Когда брать
- подобрать размер чанков и процент перекрытия под контекстное окно эмбеддинг-модели
- разделить исходный код на Python по границам функций и классов без разрыва синтаксиса
- оценить связность полученных фрагментов и метрики точности retrieval-пайплайна
- настроить семантическое разделение текста по порогу сходства предложений

## Примеры запросов агенту
- Подбери стратегию нарезки для документации в Markdown и кода на Python
- Оцени связность чанков через sentence-transformers и проверь точность retrieval
- Что делать, если recall в RAG упал ниже 0.6?

## Похожие
- [rag-engineer](https://affpapa.org/nevibecode/skills/rag-engineer.md) — скилл · 273 установки
- [embedding-strategies](https://affpapa.org/nevibecode/skills/embedding-strategies.md) — скилл · 11391 установка
- [storing-and-querying-vectors](https://affpapa.org/nevibecode/skills/storing-and-querying-vectors.md) — скилл · 6600 установок
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 4700 установок
- [qdrant-search-quality](https://affpapa.org/nevibecode/skills/qdrant-qdrant-search-quality.md) — скилл · 1800 установок
- [AgentDB Vector Search](https://affpapa.org/nevibecode/skills/agentdb-vector-search.md) — скилл · 1100 установок

Из того же набора: [giuseppe-trisciuoglio/developer-kit](https://affpapa.org/nevibecode/by/giuseppe-trisciuoglio/developer-kit.md) — 96 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md