vector-cluster

Vector Cluster 是一个用于向量聚类的技能，基于 ruvector 工具，按语义相似度对某个命名空间中的向量进行分组。

用途当你拥有一批嵌入（embeddings）并希望发现其中的自然分组时，可以使用该技能。聚类能够揭示主题、识别异常项，并帮助组织大型向量集合。

主要能力在 ruvector@0.2.25 中，唯一可用的聚类方式是通过 hooks graph-cluster（在代码图上执行谱聚类 spectral 或 Louvain 社区检测）。顶层 cluster 命令保留给分布式集群操作，上游目前标记为 "Coming Soon"。

使用方式

确保 ruvector@0.2.25 可用： npm ls ruvector 2>/dev/null | grep '0.2.25' || npm install ruvector@0.2.25
运行聚类： npx -y ruvector@0.2.25 hooks graph-cluster <files...> npx -y ruvector@0.2.25 hooks graph-mincut <files...>
查看输出：结果为 JSON，包含聚类分配、社区标签和边。如果看到 "graph.nodes is not iterable"，先运行 hooks init 以初始化图状态。
存储结果： mcp__plugin_ruflo-core_ruflo__memory_store({ key: "clusters-PROJECT-TIMESTAMP", value: "CLUSTER_ASSIGNMENTS", namespace: "vector-clusters" })

结果解读

高内聚（>0.85）：紧密、定义良好的聚类
中等内聚（0.6-0.85）：相关但内容多样
低内聚（<0.6）：分组松散，可尝试更高分辨率
异常项：值得调查的新颖或异常文件

限制与注意事项在 ruvector@0.2.25 中，cluster --namespace ... --k N 和 cluster --density 不是有效参数——这些标志会落到分布式集群命令，而该命令只接受 --status、--join、--leave、--nodes、--leader、--info。若需要对任意嵌入执行带命名空间的 k-means，请在你自己的代码中针对存储在 AgentDB 中的向量运行 k-means。

技能介绍