搜索结果: "rag"

4.5

ancplua插件开发工作手册Skill working-on-ancplua-plugins

本技能是ancplua-claude-plugins单仓库插件开发的权威指南,详细规定了创建、修改、调试Claude插件所需遵循的架构规范、工作流程和最佳实践。内容涵盖插件脚手架搭建、代码约定、测试验证、市场发布全流程,适用于AI智能体开发、大模型插件集成、RAG应用构建等场景。关键词:Claude插件开发,AI智能体,插件架构,单仓库管理,开发规范,测试验证,市场发布。

4.5

构建RAG系统Skill building-rag-systems

本技能详细介绍了如何构建生产级的检索增强生成(RAG)系统,涵盖从文档摄取到智能检索的全流程。核心内容包括:语义分块策略(基于标题分割,避免固定大小)、增量索引与变更检测(通过文件哈希实现高效更新)、批处理向量嵌入(使用OpenAI API)、以及基于Qdrant向量数据库的过滤检索和上下文扩展。适用于需要构建企业级知识库、智能问答系统或文档智能检索应用的开发者,关键词包括:RAG系统、语义分块、增量索引、向量检索、Qdrant、OpenAI嵌入、生产级部署。

4.5

DeepWiki代码库研究助手Skill researching-with-deepwiki

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

4.5

Claude代码技能创建指南Skill how-to-create-claude-code-skill

本技能提供创建和管理Claude代码技能的完整指南,包括技能文件结构设计、YAML元数据配置、渐进式披露模式实现、最佳实践规范和技术要求。适用于AI智能体开发、大模型微调、RAG应用构建和AIGC工具开发,帮助开发者高效创建可维护的Claude技能库。

4.5

人工智能大语言模型工程技能Skill ai-llm

该技能专注于生产级大语言模型(LLM)系统的开发与工程,涵盖从架构选择、数据集设计、PEFT/LoRA微调、评估工作流到部署和生命周期运营的全过程。强调成本优化、安全控制和现代最佳实践,适用于构建、评估和部署LLM应用。关键词:LLM工程、大模型微调、RAG应用、AI智能体、成本控制、评估部署、生产标准、安全治理。

4.5

GoogleGemini文件搜索Skill google-gemini-file-search

Google Gemini 文件搜索是一个基于AI的完全托管检索增强生成工具,支持100多种文件格式,用于文档问答、知识库构建和智能搜索。关键功能包括自动分块、向量搜索、内置引用和成本效益索引,适用于企业知识管理、客户支持和文档检索场景。关键词:Google Gemini, 文件搜索, RAG, 检索增强生成, 知识库, 文档问答, AI工具。

4.5

谷歌Gemini嵌入API技能Skill google-gemini-embeddings

本技能提供了Google Gemini嵌入API的全面生产就绪指南,用于生成文本嵌入向量,支持检索增强生成(RAG)、语义搜索、文档聚类等应用。包含SDK使用、REST API模式、批量处理、与Cloudflare Vectorize集成等高级用例。关键词:Gemini嵌入,RAG,语义搜索,向量搜索,文档聚类,API集成。

4.5

记忆Skill remember

这是一个记忆存储技能,用于将学习、模式或决策存储到内存系统中,支持自动类型检测、标签提取和高效检索。适用于知识管理、AI应用和RAG系统。关键词:记忆存储,学习管理,AI记忆,RAG,知识库,PostgreSQL,BGE嵌入。

4.5

RAG实现Skill rag-implementation

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。

4.5

LangChain架构Skill langchain-architecture

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。

4.5

提示模板设计Skill prompt-template-design

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

4.5

RAG嵌入向量批量生成器Skill rag-embedding-generation

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。