01
このSkillでできること
- ✓RRFとDBSFの使い分けを説明する
- ✓異なるスコア尺度の候補を融合する方針を検討する
- ✓重み付けやペイロード値を使う式を整理する
- ✓融合後の再ランキングの選択肢を比較する
02
使い方
01
STEP 1
検索方式ごとのスコア尺度と目的を整理する
02
STEP 2
まずRRFなど候補に合う方式を比較する
03
STEP 3
実データで重みや正規化の影響を検証する
03
Skillのインストール
初心者におすすめ
AIにこのSkillを追加してもらう
GitHub URLごとCodexやClaude Codeへ渡し、現在の環境に合う方法を判断してもらいます。
このGitHubリポジトリにあるSkillを確認し、現在の環境に適した方法でインストールしてください。
インストール後、正常に利用できることを確認し、基本的な使い方も簡潔に説明してください。
Repository:
https://github.com/qdrant/skills04
このSkillを使うプロンプト例
Skill名を明示すると、意図したSkillを使わせやすくなります。自動発動型では必須とは限りません。
BM25と密ベクトル検索をQdrantで融合したい。RRF、DBSF、式による融合の選び方を比較して。05
安全性チェック
自動解析による参考情報です。Skillの安全性を保証するものではありません。
外部API通信検出あり
Shellコマンド実行検出あり
ファイル読み取り明確な記述なし
ファイル書き込み明確な記述なし
ネットワークアクセス検出あり
認証情報明確な記述なし
検出根拠を見る
- shell: tall using the [`npx skills`](https://skills.sh) CLI: ```bash npx skills add qdrant/skills ``` ### Claude Code Add the marketplace, then install all
- network: M25 and cosine on dense embeddings. ### RRF - **[RRF](https://skills.qdrant.tech/md/documentation/search/hybrid-queries/?s=reciprocal-rank-fusion-rrf)**
- network: - Tune `k` to [control rank sensitivity in RRF fusion](https://skills.qdrant.tech/md/documentation/search/hybrid-queries/?s=setting-rrf-constant-k). - Ad
06