SkillProof tested Claude skills

Chunking Strategy

Guide pour le découpage de documents dans les pipelines RAG : taille, chevauchement et stratégie de délimitation

par giuseppe-trisciuoglio · giuseppe-trisciuoglio/developer-kit

Testé · Fonctionne ★ 8.0/10

Chunking Strategy — Guide pour le découpage de documents dans les pipelines RAG : taille, chevauchement et stratégie de délimitation

Ce que fait

Une compétence de connaissance qui recommande des stratégies de découpage pour la génération augmentée par récupération : taille des chunks (256-1024 tokens), chevauchement (10-20%), et une échelle à 5 niveaux allant du découpage à taille fixe au découpage sémantique et tardif, plus des extraits de validation en ligne pour la cohérence et la précision. Se déclenche lors de la construction de systèmes RAG, de bases de données vectorielles, ou du découpage de grands documents pour l'intégration.

Rapport de test

SKILL.md trouvé à plugins/developer-kit-ai/skills/chunking-strategy ; le frontmatter est parsé avec name+description et allowed-tools propres. Références vérifiées : strategies.md, implementation.md, evaluation.md — tous HTTP 200 et substantiels (strategies.md fait 422 lignes avec du vrai code langchain et un tableau de paramètres). Installation/docs pénalisés d'un point chacun : le corps indique d'exécuter `evaluate_chunks.py --coherence` mais aucun script de ce type n'existe dans l'arborescence du dépôt (il redirige en fait vers des extraits python -c en ligne). Test de sortie : j'ai découpé un document markdown en 4 sections de deux manières. La division naïve de 220 caractères de la base a déchiré les mots et les phrases (le chunk 2 a commencé par "ooting" de la division "Troubleshooting" ; le chunk 1 a commencé par un fragment orphelin "reads it at startup..." sans en-tête). Suivre les directives de la compétence de niveau 3, sensibles à la structure pour markdown, a produit 4 chunks de section propres (22-29 mots chacun), chaque chunk portant son propre en-tête et zéro mots/phrases divisés — satisfaisant directement l'exigence de la compétence "les chunks conservent un sens autonome". Amélioration concrète et mesurable par rapport à la base.

Testé le: 2026-07-31 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/giuseppe-trisciuoglio/developer-kit.git /tmp/chunking-strategy-src
mkdir -p ~/.claude/skills
cp -R /tmp/chunking-strategy-src/plugins/developer-kit-ai/skills/chunking-strategy ~/.claude/skills/chunking-strategy
# Pure-guidance skill: no runtime deps to install the skill itself.
# The optional inline validation snippets in SKILL.md need: pip install sentence-transformers numpy
# Note: SKILL.md says "run evaluate_chunks.py --coherence" but no such script is bundled;
#   the actual validation is the inline `python -c` snippets directly below that line.

Commandes et exemples de prompts

  • /chunking-strategyGuide pour le découpage de documents dans les pipelines RAG : taille, chevauchement et stratégie de délimitation

Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :

  • Recommend a chunk size for this document set
  • Evaluate retrieval precision for my RAG pipeline
  • Choose an overlap percentage for semantic chunking

Rapport complet →