egutierrez
5f4f1f7508
Añade campos params y output al frontmatter YAML de las 506 funciones del registry. Cada parámetro tiene descripción semántica (qué representa, unidades, rango típico) y cada función describe qué produce su output. Permite a agentes razonar sobre cadenas de composición (ej: prices → log_return → sharpe_ratio) sin leer código.
1.2 KiB
1.2 KiB
name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path
| name | kind | lang | domain | version | purity | signature | description | tags | uses_functions | uses_types | returns | returns_optional | error_type | imports | params | output | tested | tests | test_file_path | file_path | |||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| embedding_save_model | function | py | infra | 1.0.0 | impure | def embedding_save_model(model_id: str, path: str) -> str | Descarga modelo de embeddings de HuggingFace y lo guarda en path local para carga rapida sin red. |
|
false | error_go_core |
|
|
string: ruta absoluta donde se guardó el modelo | false | python/functions/embedding/model.py |
Ejemplo
path = embedding_save_model("intfloat/multilingual-e5-small", ".local/models/e5-small")
# path = "/home/lucas/fn_registry/.local/models/e5-small"
Notas
El modelo se guarda en formato sentence-transformers (safetensors + tokenizer). Para multilingual-e5-small ocupa ~465 MB en disco. Carga local es ~2.3x mas rapida que desde HF cache.