该技能专注于检索增强生成（RAG）和搜索工程的完整实践，提供构建生产级系统的指南。涵盖文档分块、混合检索（BM25 + 向量搜索）、重排序、查询优化、排名管道设计、评估指标（如nDCG、MRR）以及现代最佳模式。适用于开发高效、准确的AI驱动检索和生成应用，关键词包括：RAG、搜索工程、混合搜索、分块策略、评估指标、生产系统。

向量数据库技能用于选择和管理向量数据库，包括嵌入存储、近似最近邻算法和向量搜索优化。适用于设计语义搜索系统、优化相似性搜索性能，以及在大规模AI应用如RAG中实现高效检索。关键词：向量数据库、嵌入、向量搜索、相似性搜索、ANN、HNSW、IVF、FAISS、Pinecone、Weaviate、Milvus、Qdrant。

该技能用于帮助用户通过区块链网络安全高效地转移数字资产，支持多种收款人格式如地址、ENS和社交手柄，并提供跨链转账功能。关键词：区块链转账、ENS解析、跨链转移、加密货币、数字资产、安全转账。

LangChain框架用于开发和设计基于大语言模型的应用程序，集成代理、链、记忆和工具，适用于AI智能体构建、多步工作流管理、文档处理、RAG应用等场景，提升LLM应用开发效率，关键词包括LangChain、AI代理、大模型应用、RAG、LLM工作流、记忆管理。

Convex 文件存储技能是一个云原生文件处理解决方案，用于在Convex平台上上传、存储、服务和文件。它支持多种文件类型，提供自动URL生成、元数据访问和与后端操作的集成。关键词：Convex、文件存储、云存储、上传文件、服务文件、文件管理、无服务器计算。

句子嵌入框架是一个用于生成高质量句子和文本嵌入的Python工具，支持语义相似度计算、RAG应用、多语言处理和领域特定模型，适用于自然语言处理任务，如语义搜索、文本聚类和分类。关键词：句子嵌入、语义相似度、RAG、多语言、NLP、AI、Python框架、预训练模型。

这个技能帮助您从非结构化或半结构化数据源设计和构建知识图谱，指导数据模型选择、模式设计、实体提取、关系提取和分层架构构建。适用于人工智能应用，如RAG（检索增强生成）、推理和分析，关键词包括知识图谱构建、实体提取、关系提取、数据模型、RAG应用、人工智能。

提示工程模式是一种高级技能，专注于通过优化提示设计来提升大型语言模型（LLM）在生产环境中的性能、可靠性和可控性。它涉及使用少样本学习、思维链推理、结构化输出等技术，用于AI应用开发、LLM微调、RAG系统集成等场景，关键词包括提示工程、LLM优化、AI应用、性能提升、生产部署。

移动端离线存储技能提供跨平台离线优先数据管理解决方案，支持WatermelonDB、Realm、MMKV等多种存储引擎，实现数据同步、冲突解决和离线队列管理。关键词：移动开发、离线存储、数据同步、React Native、跨平台、WatermelonDB、Realm、MMKV、同步队列、冲突解决

高级提示工程师技能专注于大语言模型优化与AI产品开发，提供世界级的提示工程解决方案。核心能力包括LLM性能优化、RAG检索增强生成、智能体系统设计、结构化输出控制、少样本学习、思维链推理和AI评估框架。适用于构建企业级AI应用、优化大模型响应质量、设计自动化智能体、实施高级提示技术。关键技术栈涵盖Python、PyTorch、LangChain、Docker/K8s、AWS/GCP/Azure等，支持生产级部署与监控。SEO关键词：提示工程，LLM优化，RAG应用，AI智能体，大模型微调，AI产品开发，LangChain，GPT-4，Claude，思维链，少样本学习，结构化输出，AI评估，生产级AI系统。

此技能涉及使用LangChain和LangGraph框架来构建和部署大型语言模型（LLM）应用程序。它支持创建RAG（检索增强生成）管道、设计代理工作流、组合链式操作以及进行复杂的LLM编排。关键词：LangChain, LangGraph, LLM, RAG, AI代理, 链式编程, Python开发, 人工智能应用。

这个技能用于构建检索增强生成（RAG）系统，通过向量数据库和语义搜索技术，增强大型语言模型（LLM）应用，实现基于外部知识源的准确响应。适用于文档问答系统、聊天机器人、语义搜索等场景，关键词：RAG、检索增强生成、向量数据库、语义搜索、LLM应用、人工智能、文档处理、知识库集成。