搜索结果: "rag"
QE覆盖分析Skill "QECoverageAnalysis"
QE覆盖分析技能用于检测软件测试中的覆盖差距，使用O(log n)次线性算法提高效率，结合风险加权分析评估代码风险，并智能优先级排序测试工作，以优化软件质量。关键词：测试覆盖、风险分析、优先级排序、代码质量、QE覆盖。
ConvexAI代理开发Skill convex-agents
该技能专注于使用Convex平台构建和部署AI代理，实现线程管理、工具集成、流式响应、RAG（检索增强生成）模式和workflow orchestration，适用于开发智能助手、自动化工作流程和知识检索系统。关键词：AI代理、Convex、工具集成、RAG、workflow、智能体开发、AI应用、LLM集成、向量搜索、持久状态。
LangChain与LangGraph开发Skill langchain
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。
RAG实现技能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。
ML/AI技能转换项目Skill claude-supercode-skills-main
本项目是一个面向生产环境的机器学习与人工智能技能工具箱，提供11项核心ML/AI技能的完整脚本和参考指南。涵盖AI工程师、LLM架构师、ML工程师、MLOps工程师、数据工程师等角色，包含OpenAI/Claude API集成、RAG系统搭建、模型微调、MLflow实验追踪、ETL管道自动化等关键技术。适用于企业AI应用开发、大模型部署、数据科学项目落地，帮助团队快速构建可维护、可扩展的AI解决方案。关键词：机器学习，人工智能，大模型，RAG，MLOps，数据工程，AI集成，模型部署，生产环境，技能工具箱。
TestInfrastructureAgent-RealCoverageBuilderSkill test-infrastructure
这个技能是关于创建和维护全面的测试覆盖率，确保测试是可执行的规范，并且没有空的测试文件。它包括测试清单和差距分析、测试编写、质量门、工作流程、测试编写指南、测试覆盖目标、运行测试、处理不可测试的代码和测试维护。
RAGArchitect-POWERFULSkill rag-architect
RAG架构技能是一套全面的知识和工具，用于设计、实现和优化生产级的检索增强型生成（RAG）流水线。它覆盖了从文档分块策略到评估框架的整个RAG生态系统，帮助构建可扩展、高效和准确的检索系统。关键词：RAG架构、文档处理、嵌入模型、向量数据库、检索策略、查询转换技术、评估框架、生产模式、成本优化、安全护栏。
senior-ml-engineerSkill senior-ml-engineer
高级机器学习工程师技能，专注于生产中模型的部署、MLOps流程构建以及大型语言模型的集成。涵盖模型部署、特征存储、漂移监控、RAG系统和成本优化。
AI/MLObservabilityandMonitoringSkill AI/MLObservabilityandMonitoring
这个技能提供了一套全面的指南，用于监控生产环境中的人工智能和机器学习系统，包括大型语言模型（LLMs）、检索-生成（RAG）应用和传统机器学习模型。它涵盖了监控堆栈的搭建、关键性能指标的跟踪、模型性能监控、数据漂移检测、日志记录、追踪技术、告警策略、仪表板配置、A/B测试监控、成本优化等多个方面，是确保AI系统可靠性和性能的关键工具。
上下文工程Skill context-engineering
上下文工程是一种关键技术，专注于优化人工智能智能体系统中的上下文管理，以提高推理效率并降低计算成本。它涉及上下文基础、优化技术、压缩策略、记忆系统和多智能体协调，适用于AI应用开发、大模型微调和RAG应用。关键词：上下文工程、AI智能体、令牌优化、LLM、多智能体系统、记忆管理。
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。
混合搜索实现Skill hybrid-search-implementation
混合搜索实现是一种结合向量搜索和关键词搜索的技能，用于提高检索性能，特别适用于构建RAG系统、搜索引擎等场景。它能够融合语义理解和精确匹配，处理特定术语查询，改善召回率。关键词：混合搜索、向量搜索、关键词搜索、RAG应用、人工智能、机器学习、检索增强生成、搜索引擎优化。