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。

该技能专注于选择和优化嵌入模型，用于语义搜索和检索增强生成（RAG）应用。涵盖模型比较、分块策略、嵌入管道构建、质量评估及最佳实践，适用于人工智能和软件开发领域。关键词：嵌入模型、语义搜索、RAG、向量搜索、优化、分块策略、质量评估。

360-web-search 是基于 360 搜索引擎的实时中文网页搜索技能，支持网页、新闻、图片搜索，并提供 AI 智能摘要，适用于联网查询最新信息、中国企业产品政策市场数据等场景。

这是一个用于Claude Code的技能，通过Context7 API自动获取最新库和框架的文档，帮助开发者快速获取技术文档，支持React、Next.js、Prisma等流行库。关键词：Claude Code, Context7 API, 自动文档获取, 库文档, 框架文档, AI辅助编程, 技术研究。

RAG嵌入向量批量生成技能是一个专门用于检索增强生成（RAG）系统中高效生成文本嵌入向量的工具。它支持OpenAI、HuggingFace、Cohere、Voyage AI等多种主流AI提供商和本地模型，具备批量处理、智能缓存、速率限制管理和自动重试等核心功能。该技能旨在优化RAG管道和向量数据库的构建过程，通过降低API调用成本、提升处理效率并确保嵌入质量，为AI应用开发、大模型微调和NLP项目提供关键技术支持。关键词：RAG嵌入生成，批量向量处理，AI模型缓存，多提供商支持，NLP嵌入优化，向量数据库，检索增强生成，LangChain集成。

这个技能是一个语义记忆检索工具，用于通过语义搜索技术查询记忆系统中存储的过去会话学习内容。它结合PostgreSQL数据库和BGE embeddings实现高效搜索，返回相关结果并显示类型、置信度等信息。关键词：语义搜索、记忆检索、学习内容、PostgreSQL、BGE embeddings、AI工具、开发辅助。

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。

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。

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。

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。

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。

本技能专注于配置和实现基于Haystack框架的自然语言处理管道，特别适用于构建检索增强生成系统、文档问答系统和意图分类系统。核心功能包括文档存储配置、检索器选择、问答模型集成以及自定义管道工作流设计。关键词：Haystack管道配置，RAG系统搭建，NLP问答管道，文档检索增强，意图分类实现，AI应用开发。