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.
49 lines
1.6 KiB
Markdown
49 lines
1.6 KiB
Markdown
---
|
|
name: embedding_encode
|
|
kind: function
|
|
lang: py
|
|
domain: infra
|
|
version: "1.0.0"
|
|
purity: impure
|
|
signature: "def embedding_encode(model: SentenceTransformer, texts: list, mode: str = 'document') -> list"
|
|
description: "Genera embeddings normalizados para textos. Aplica prefijos e5 automaticamente segun mode (document/query)."
|
|
tags: [embedding, encode, e5, multilingual, python]
|
|
uses_functions: [embedding_load_model_py_infra]
|
|
uses_types: []
|
|
returns: []
|
|
returns_optional: false
|
|
error_type: "error_go_core"
|
|
imports: [sentence_transformers]
|
|
params:
|
|
- name: model
|
|
desc: "instancia SentenceTransformer cargada con embedding_load_model"
|
|
- name: texts
|
|
desc: "lista de strings a codificar como embeddings"
|
|
- name: mode
|
|
desc: "contexto semántico: 'document' para indexación, 'query' para búsqueda (aplica prefijos e5)"
|
|
output: "list[list[float]]: embeddings normalizados (L2=1), dimensión 384 para e5-small"
|
|
tested: false
|
|
tests: []
|
|
test_file_path: ""
|
|
file_path: "python/functions/embedding/model.py"
|
|
---
|
|
|
|
## Ejemplo
|
|
|
|
```python
|
|
model = embedding_load_model(".local/models/e5-small")
|
|
|
|
# Indexar documentos
|
|
doc_embs = embedding_encode(model, ["La IA transforma la industria", "Python es versatil"], mode="document")
|
|
|
|
# Buscar
|
|
query_embs = embedding_encode(model, ["¿Que es machine learning?"], mode="query")
|
|
```
|
|
|
|
## Notas
|
|
|
|
mode="document" agrega prefijo "passage: ", mode="query" agrega "query: ".
|
|
Estos prefijos son requeridos por modelos e5 para retrieval optimo.
|
|
Los embeddings retornados son float32 normalizados (norma L2 = 1).
|
|
Para e5-small la dimension es 384. Throughput ~1900 docs/s en CPU.
|