RAG重排序技能专注于提升检索增强生成（RAG）系统的检索质量。它通过交叉编码器重排序、Cohere Rerank API、最大边际相关性（MMR）多样性过滤以及LLM评分等多种技术，对初步检索结果进行二次排序和筛选。该技能旨在优化RAG流程，确保返回给大语言模型的上下文信息既高度相关又具备多样性，从而显著提升最终生成答案的准确性和丰富性。关键词：RAG重排序，交叉编码器，MMR多样性过滤，Cohere Rerank，检索增强生成，多阶段检索，相关性排序，AI检索优化。

RAG查询转换技能是一个专注于提升检索增强生成（RAG）系统检索效果的工具集。它通过查询扩展、假设文档嵌入（HyDE）、多查询生成、查询分解和逐步回溯提示等核心技术，对用户原始查询进行智能转换和优化，从而从知识库中检索出更相关、更全面的信息片段，为大模型生成高质量答案奠定基础。 关键词：RAG查询转换，检索增强生成，查询扩展，HyDE假设文档嵌入，多查询生成，查询分解，逐步回溯提示，AI问答优化，知识库检索，大模型应用

DeepWiki代码库研究助手是一款基于AI的代码分析工具，专门用于研究和理解GitHub、GitLab、Bitbucket等平台的源代码仓库。通过RAG技术提供智能问答，帮助开发者快速掌握项目架构、理解代码实现、分析设计模式，支持架构图生成和跨项目比较。关键词：代码分析 AI工具 开源项目研究 RAG技术 项目架构 代码理解 开发工具 智能问答

这个技能帮助您设计完整的图增强检索生成系统，整合图数据库、向量存储、编排框架和大型语言模型推理。给定领域和检索需求，指导模式选择、技术栈决策、集成流水线设计和领域定制。提供架构设计、技术选择和定制指导。关键词：图增强RAG、检索增强生成、知识图谱、LLM集成、系统架构、人工智能、RAG应用。

Pinecone向量数据库集成技能专注于为RAG（检索增强生成）应用提供完整的向量数据库解决方案。该技能涵盖Pinecone索引的创建、配置和管理，支持向量数据的批量插入、相似性搜索和元数据过滤。关键词：Pinecone向量数据库，RAG应用，相似性搜索，元数据过滤，批量操作，多租户策略，AI应用开发，向量检索

代码覆盖率分析技能是一个用于软件质量保障的自动化工具，专注于多语言（如JavaScript、Python、Java）的代码覆盖率收集、报告生成和质量门禁设置。它能自动检测项目类型，配置相应工具（如Istanbul、coverage.py、JaCoCo），合并不同测试类型的覆盖率数据，生成可视化报告和趋势分析，并设置阈值以强制执行代码质量标准，从而帮助开发团队提升代码质量、识别未覆盖代码路径和死代码，并集成到CI/CD流程中。关键词：代码覆盖率，测试覆盖率，质量门禁，CI/CD集成，多语言支持，自动化测试，软件质量，覆盖率报告。

Agentuity云存储下载工具是一个命令行技能，专门用于从Agentuity云平台的存储桶中下载文件。该工具支持文件内容下载和元数据查询，需要身份验证和组织上下文。主要功能包括：文件下载到本地路径、输出到标准输出、仅下载文件元数据。适用于云平台文件管理、数据备份、自动化脚本集成等场景。关键词：Agentuity云存储、文件下载、命令行工具、云平台操作、存储桶管理、元数据查询、DevOps工具。

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增强大语言模型（LLM）应用，实现基于外部知识的准确回答，适用于文档问答、语义搜索、知识增强AI、LLM集成和问答系统等场景。关键词：RAG、检索增强生成、向量数据库、语义搜索、LLM、知识库、问答系统、人工智能、文档处理、检索优化。

提示模板设计技能专注于创建和管理结构化AI提示模板，支持变量插值、多格式输出、版本控制和动态上下文注入。该技能适用于大语言模型应用开发、AI智能体构建、RAG系统优化等场景，帮助开发者实现高效、可维护的提示工程工作流。关键词：提示工程，模板设计，变量管理，版本控制，AI提示，大模型应用，RAG系统，LangChain，提示优化

这是一个用于Agentuity云平台的命令行工具，专门用于获取键值存储（Key-Value Storage）的详细统计数据。用户需要先进行身份验证，并设置项目上下文。该工具支持查看所有命名空间或指定命名空间（如production、cache）的存储使用情况、性能指标等关键信息。适用于云平台运维、数据监控和存储优化场景。 关键词：Agentuity云平台，键值存储，统计数据，命令行工具，云存储监控，DevOps，云原生，存储分析

文档摄入管道是一种处理原始文档、提取内容并为RAG系统准备的技能，涉及源连接器、文本提取、预处理和质量验证等关键步骤。

Repomix技能是一个AI代码打包工具，用于将整个代码库转换为单个AI友好文件，优化给大型语言模型（LLM）使用。它支持自定义包含/排除模式、多种输出格式（如XML、Markdown）、令牌计数管理、安全检查和文件过滤，适用于AI分析、安全审计、文档生成、代码评估和LLM上下文准备。关键词：代码打包、AI分析、LLM、安全审计、文档生成、令牌计数、代码库快照、RAG应用。