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。

这个技能用于自动化 Mistral AI 的操作，通过 Composio MCP 集成实现文件上传、文档库管理、微调作业跟踪和 RAG 管道构建，提升 AI 工作流的效率。关键词：Mistral AI，自动化，文件管理，微调，RAG，AI 工作流。

这是一个用于启用本地AI驱动的语义搜索的技能，通过分析保管库、发现智能集合和创建定制搜索设置，提升搜索效率和准确性。关键词：语义搜索、AI模型、本地搜索、集合发现、qmd工具、RAG应用、智能检索。

AI数据工程技能专注于构建人工智能和机器学习系统的数据基础设施，特别用于检索增强生成（RAG）应用。它涵盖数据管道、特征存储、嵌入生成、工作流编排（如Dagster、Prefect）、数据版本化（LakeFS）和评估指标（如RAGAS）。适用于开发生产级AI应用，如语义搜索、实时特征服务和RAG系统，提供架构模式和实践指南。关键词：AI数据工程、RAG管道、特征存储、嵌入生成、Dagster、RAGAS、机器学习基础设施。

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。

该技能用于优化向量嵌入的生成过程，通过模型选择、分块策略、缓存和性能调优，降低RAG系统和语义搜索的成本，提高检索质量。关键词包括：向量嵌入、RAG、语义搜索、成本优化、缓存、批量处理、性能监控。

此技能专注于利用大型语言模型进行应用程序开发，涵盖提示工程、RAG（检索增强生成）技术、API集成等关键方面。适用于构建AI驱动功能、聊天机器人或自动化系统。关键词：大型语言模型、提示工程、RAG、API集成、AI应用开发、LLM集成。

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

Agentuity云平台向量数据库命名空间管理工具，用于列出所有向量命名空间。关键词：向量数据库，命名空间管理，Agentuity CLI，云平台操作，AI应用开发，RAG应用，大模型微调

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。

RAG Citations Grounding技能是用于系统化收集和管理真实数据以评估和提升RAG系统准确性的专业技能。它包括真实数据收集、引用评估、准确性指标计算和持续改进策略，是提高人工智能系统性能和可靠性的重要工具。

Qdrant是一种高性能的向量相似性搜索引擎，专为构建生产环境的RAG（检索增强生成）和语义搜索系统而设计。它支持快速最近邻搜索、混合搜索与过滤、分布式存储，并优化了内存使用和查询性能，适用于AI应用中的向量数据管理和检索。关键词：向量搜索，RAG，语义搜索，Qdrant，高性能，分布式数据库，AI检索。