How do I install the Content Fingerprint skill?

Run npx skillmds@latest add gonzalezpazmonica/content-fingerprint in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Content Fingerprint safe to use?

This skill has not completed SkillMD's automated safety review yet. Capability flags: docs only. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Content Fingerprint?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Content Fingerprint free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Content Fingerprint?

gonzalezpazmonica (@gonzalezpazmonica) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Content Fingerprint by gonzalezpazmonica

Name: Content Fingerprint
Rating: 4.2 (5 reviews)
Author: gonzalezpazmonica

File contents

Skill: content-fingerprint

Cuando usar

Cuando un script necesita derivar un identificador corto, reproducible y resistente a colisiones a partir de un contenido (cadena, fichero, agregado). Casos tipicos:

Cache keys (ado-bridge.sh)
Pattern signatures (failure-pattern-memory.sh)
Doc fingerprints de auditoria (semantic-map.sh)
Test attempt hashes (test-auditor.sh)

Cuando NO usar

Si necesitas hash criptografico para integridad fuerte: usa sha256sum directo (ya disponible).
Si necesitas detectar near-duplicates con tolerancia a 1 byte: SHA truncado NO sirve. Considera SimHash/MinHash o embeddings (memory-vector.py).
Si necesitas buscar por similitud semantica: usa memory-vector.py (HNSW + MiniLM).

Como usar

# Identificador corto
ID=$(echo "agente:tarea:contexto" | scripts/content-fingerprint.sh 8)
# Output: 8 chars hex deterministicos

# Cache key 16 chars
KEY=$(printf '%s|%s' "$query" "$context" | scripts/content-fingerprint.sh 16)

# Fichero completo
FP=$(scripts/content-fingerprint.sh 16 < my-doc.md)

# Self-test
scripts/content-fingerprint.sh --self-test

Acceptance criteria validados (SE-151)

AC-1: longitudes 8/16/32/64 producen hex de tamaño exacto.
AC-1: avalanche — 1 byte de diferencia → fingerprint distinto.
AC-1: determinismo — mismo input → mismo output.
AC-4: dataset etiquetado de 30 fixtures (15 pares) verifica precision/recall.
AC-5: 100 invocaciones <5s total (sanity check de latencia).

Tests: bats tests/scripts/content-fingerprint.bats (14/14 verde).

Limitaciones honestas

No detecta near-duplicates: 1 char de cambio cambia el fingerprint entero (avalanche). Esto es una propiedad deseable para identificadores, una limitacion para clustering.
No es LSH biologico: Dasgupta 2017 requiere vectorizacion previa + sparse expansion, no implementado aqui.
Coliciones a 8 chars: para corpus muy grandes (>10^6 docs), considerar 16 chars o mas (paradoja del cumpleanos).

Referencias

Spec: docs/specs/SE-151-content-fingerprint-consolidation.spec.md
Tests: tests/scripts/content-fingerprint.bats
Fixtures: tests/fixtures/fingerprint/
Sesion previa archivada: experiments/brainless/RESEARCH-LOG.md

---name: content-fingerprintdescription: Usar cuando se necesita un identificador corto, deterministico y reproducible derivado del contenido de una cadena o fichero — cache keys, ids de patrones, fingerprints de docs.---# Skill: content-fingerprint## Cuando usarCuando un script necesita derivar un identificador corto, reproducible y resistente a colisiones a partir de un contenido (cadena, fichero, agregado). Casos tipicos:- Cache keys (`ado-bridge.sh`)- Pattern signatures (`failure-pattern-memory.sh`)- Doc fingerprints de auditoria (`semantic-map.sh`)- Test attempt hashes (`test-auditor.sh`)## Cuando NO usar- Si necesitas hash criptografico para integridad fuerte: usa `sha256sum` directo (ya disponible).- Si necesitas detectar near-duplicates con tolerancia a 1 byte: SHA truncado NO sirve. Considera SimHash/MinHash o embeddings (`memory-vector.py`).- Si necesitas buscar por similitud semantica: usa `memory-vector.py` (HNSW + MiniLM).## Como usar```bash# Identificador cortoID=$(echo "agente:tarea:contexto" | scripts/content-fingerprint.sh 8)# Output: 8 chars hex deterministicos# Cache key 16 charsKEY=$(printf '%s|%s' "$query" "$context" | scripts/content-fingerprint.sh 16)# Fichero completoFP=$(scripts/content-fingerprint.sh 16 < my-doc.md)# Self-testscripts/content-fingerprint.sh --self-test```## Acceptance criteria validados (SE-151)- AC-1: longitudes 8/16/32/64 producen hex de tamaño exacto.- AC-1: avalanche — 1 byte de diferencia → fingerprint distinto.- AC-1: determinismo — mismo input → mismo output.- AC-4: dataset etiquetado de 30 fixtures (15 pares) verifica precision/recall.- AC-5: 100 invocaciones <5s total (sanity check de latencia).Tests: `bats tests/scripts/content-fingerprint.bats` (14/14 verde).## Limitaciones honestas- **No detecta near-duplicates**: 1 char de cambio cambia el fingerprint entero (avalanche). Esto es una propiedad deseable para identificadores, una limitacion para clustering.- **No es LSH biologico**: Dasgupta 2017 requiere vectorizacion previa + sparse expansion, no implementado aqui.- **Coliciones a 8 chars**: para corpus muy grandes (>10^6 docs), considerar 16 chars o mas (paradoja del cumpleanos).## Referencias- Spec: `docs/specs/SE-151-content-fingerprint-consolidation.spec.md`- Tests: `tests/scripts/content-fingerprint.bats`- Fixtures: `tests/fixtures/fingerprint/`- Sesion previa archivada: `experiments/brainless/RESEARCH-LOG.md`

Frequently asked questions

Content Fingerprint