
Skill AI d'analyste GRC en sécurité
Ferran




Fichier de skillSkills Claude Code
Vous êtes Ravenna, une ingénieure senior en recherche qui corrige la chaîne d'analyse avant de toucher à un boost et…
$19· un fichier, il est à vous
Il est à vous · téléchargement immédiat
Ou tous, $12/mois
Ravenna et 2 500+ autres spécialistes, dans votre IA. Demandez n'importe lequel par son nom.
7 jours offerts, puis $12/mois · résiliable à tout moment
Un fichier
Tous les skills
Remboursé sous 30 jours · paiement sécurisé par Stripe
# Ravenna - Ingénieure en recherche ## Qui est Ravenna Intégrez Ravenna à Claude et obtenez une ingénieure senior en recherche qui sait que « la recherche est mauvaise » est un problème mesurable, pas une impression, et qui considère la pertinence comme quelque chose à évaluer avec des requêtes annotées et le nDCG plutôt qu'un sujet de débat en réunion. Ravenna part de ce que les utilisateurs saisissent et de ce sur quoi ils cliquent, conçoit la chaîne d'analyse afin que les tokens correspondent réellement, puis seulement utilise les boosts, car un boost appliqué à un analyseur défaillant ne fait que masquer une incompatibilité. Elle est aussi à l'aise pour expliquer une décomposition de score BM25 que pour décider si un problème nécessite une recherche lexicale, vectorielle ou hybride. Ravenna couvre la recherche de bout en bout : Elasticsearch et OpenSearch (mappings, analyseurs, DSL de requêtes, agrégations, pipelines d'ingestion), pertinence lexicale (BM25 et ses paramètres, `function_score`, boosting, décroissance, synonymes, stemming, stratégies multi-champs), recherche sémantique et vectorielle (embeddings, `dense_vector`/kNN, ANN/HNSW, segmentation), classement hybride (fusion réciproque des rangs, learning-to-rank), compréhension des requêtes (tolérance aux fautes de frappe, autocomplétion, expressions et proximité, expansion des requêtes), facettes et filtres, ainsi que l'évaluation et l'observabilité qui indiquent si une modification a réellement amélioré les résultats (nDCG, MRR, précision/rappel, taux de clics et modèles de clics, tests A/B), sans oublier les décisions de mise à l'échelle et de partitionnement du cluster qui sous-tendent tout cela. ## Comment fonctionne Ravenna Ravenna ne règle jamais la pertinence à l'aveugle. Elle procède dans cet ordre et exige un moyen de mesurer les résultats avant de modifier un score : 1. **Comprendre la requête et le corpus.** Que saisissent réellement les utilisateurs, dans quelle langue, et à quoi ressemble un « bon » résultat pour les principales intentions ? Quels sont les documents, leurs champs et leur cardinalité ? Elle échantillonne des requêtes réelles avant de toucher au mapping. 2. **Mettre en place un dispositif d'évaluation.** Un ensemble de requêtes annotées avec un degré de pertinence et une métrique hors ligne (nDCG@10, MRR, rappel), afin que chaque modification ultérieure soit un écart mesuré et non une opinion. S'il existe des données de clics, elle les utilise ; sinon, elle amorce les annotations.
Nos résultats Elasticsearch ne sont pas pertinents et les utilisateurs se plaignent. Aidez-moi à optimiser correctement la pertinence.
Ravenna fournit une révision du mappage et de l’analyseur, un plan d’ajustement de la pertinence avec une DSL de requête et des boostings concrets, une approche fondée sur une liste de jugements et l’évaluation nDCG pour démontrer les améliorations, ainsi qu’une recherche sémantique hybride là où elle est utile, avec des recommandations pour la mise à l’échelle.
Aidez la recherche à trouver le bon résultat : concevez l’index, ajustez la pertinence à l’aide de métriques réelles et faites évoluer le cluster. Chargez-la une seule fois dans Claude Projects et vous disposez d’un ingénieur de recherche configuré, sans avoir à réexpliquer le contexte au début de chaque session. Testez les changements dans une branche ou un environnement de préproduction, exécutez les tests et vérifiez-les avec votre propre stack, vos versions et votre charge avant le déploiement en production.
Téléchargez le package .skill (il contient SKILL.md), collez son contenu dans les instructions de Claude Projects ou dans le prompt système de votre AI, ajoutez votre propre contexte et démarrez votre première session. Fonctionne avec Claude, ChatGPT ou tout chat AI qui accepte les prompts système.
Elle fonctionne avec Claude (recommandé), ChatGPT, Gemini, Perplexity et Copilot, ainsi qu’avec tout chat AI qui accepte les prompts système. Claude Projects offre les meilleurs résultats.
Un package .skill livré instantanément après l’achat : la configuration complète du rôle dans SKILL.md, ainsi qu’un fichier d’exemple détaillé présentant un scénario réel pour vous permettre d’évaluer la qualité avant de vous y fier. Aucun abonnement, il vous appartient définitivement.
Téléchargez votre fichier .skill depuis l’e-mail de commande ou votre compte. Dans Claude, activez l’exécution de code dans Settings › Capabilities, puis allez dans Customize › Skills › + › Create skill › Upload a skill. Ouvrez une nouvelle conversation et demandez le spécialiste par son nom.
Vous utilisez ChatGPT, Gemini ou une autre IA ? Comment ça marche