搜索结果: "rag"
高级提示工程师Skill senior-prompt-engineer
高级提示工程师技能专注于利用先进提示工程技术优化大型语言模型（LLM），涵盖提示模式设计、RAG应用、代理系统开发等，助力AI产品构建和性能提升。关键词：提示工程、LLM优化、AI应用、RAG、代理设计、AI产品开发。
资深机器学习/AI工程师Skill senior-ml-engineer
该技能专注于将机器学习模型生产化，涉及MLOps、模型部署、特征存储、监控等关键领域。核心能力包括LLM集成、微调、RAG系统和智能代理AI，适用于构建可扩展的AI/ML系统和集成大语言模型到生产环境中。关键词：ML工程、生产化、MLOps、模型部署、特征存储、模型监控、LLM集成、RAG系统、智能代理AI、分布式计算、云部署。
AI产品开发Skill ai-product
这个技能专注于开发和部署基于大语言模型（LLM）的AI产品，包括LLM集成模式、RAG架构、提示工程、AI用户体验和成本优化。它提供了最佳实践、模式、反模式和解决方案，帮助开发者构建可靠、可扩展且用户信任的AI功能。关键词：AI产品开发，LLM集成，RAG架构，提示工程，AI UX，成本优化。
句子嵌入框架Skill sentence-transformers
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。
Qdrant向量搜索Skill qdrant-vector-search
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。
Pinecone向量数据库操作技能Skill pinecone
这个技能专注于使用Pinecone托管向量数据库来构建和部署生产级的人工智能应用。它支持检索增强生成(RAG)、推荐系统和大规模语义搜索，具备自动扩展、低延迟查询（p95 <100ms）、混合搜索（密集和稀疏向量）、元数据过滤和命名空间管理等功能。适用于服务器less、托管基础设施，提供高效的AI解决方案，方便SEO搜索。关键词包括：向量数据库、Pinecone、AI应用、RAG、混合搜索、自动扩展、低延迟、生产环境、元数据过滤。
RAG实现技能Skill rag-implementation
本技能是关于检索增强生成(RAG)的实现，涵盖文档分块、嵌入模型、向量存储、检索策略、混合搜索和重排序等功能，旨在提升信息检索和生成的准确性与效率，适用于RAG、语义搜索、向量搜索、AI应用等场景，助力优化数据检索流程。
FAISS相似性搜索库Skill faiss
FAISS是Facebook AI开发的用于高效相似性搜索和稠密向量聚类的库，支持数十亿向量、GPU加速和多种索引类型，适用于快速k近邻搜索、大规模向量检索和人工智能应用中的RAG系统。关键词：FAISS, 相似性搜索, 向量检索, GPU加速, 人工智能, RAG应用。
RAG工程师Skill rag-engineer
RAG工程师是专门负责构建和优化检索增强生成系统的专家，涉及嵌入模型、向量数据库、文档分块和检索策略，旨在提升大型语言模型在语义搜索、文档检索和AI应用中的性能。关键词：RAG、检索增强生成、嵌入模型、向量数据库、语义搜索、LLM优化。
Chroma向量数据库应用Skill chroma
Chroma是一个开源嵌入数据库，专为AI应用程序设计，支持向量搜索、元数据过滤和语义查询。适用于RAG应用、文档检索和LLM内存管理，关键词：Chroma, 向量数据库, 嵌入, RAG, 语义搜索, 开源, 自托管。
DSPy框架：声明性语言模型编程Skill dspy
DSPy是一个来自Stanford NLP的框架，用于通过声明性编程构建和优化语言模型系统，支持自动提示优化、模块化RAG（检索增强生成）应用和AI代理开发，适用于自然语言处理任务。关键词：DSPy, 声明性编程, 提示优化, RAG, AI系统, 语言模型, Stanford NLP
LLM应用模式Skill llm-app-patterns
这是一个关于构建生产就绪的大型语言模型（LLM）应用模式的技能。涵盖了 RAG 管道、智能体架构、提示 IDE 和 LLMOps 监控，适用于设计 AI 应用、实现 RAG、构建智能体或设置 LLM 可观测性。关键词：LLM 应用、RAG、智能体、提示工程、LLMOps。