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。

该技能用于关闭AI智能体的持续学习模式，停止自动从对话中提取和积累知识。关键词：AI智能体，持续学习，知识管理，模式切换，RAG应用，机器学习。

RAG架构模式是一种系统设计技能，用于构建高效的RAG系统，涉及数据摄取、分块策略、嵌入模型、向量数据库、检索优化和生成编排等关键环节。

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。

此技能用于通过Clanker平台部署和管理ERC20代币，支持Base和Unichain区块链，提供代币命名、符号设置、元数据更新和费用索取功能，适用于数字货币创建、区块链项目开发和智能合约部署，关键词包括ERC20代币、Clanker、代币部署、区块链、智能合约、Web3、DApp开发。

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。

RAG 分块元数据策略是一种系统化方法，用于在 RAG 管道中添加、管理和利用元数据，以提高检索精度和上下文管理。关键词包括元数据模式、分块级元数据、文档级元数据、元数据驱动检索。

这个技能是用于构建生产就绪的对话式AI语音智能体的平台，集成自动语音识别(ASR)、大型语言模型(LLM)、文本转语音(TTS)和对话轮流模型，支持多种语音、语言和工具集成，适用于客户服务、知识库检索(RAG)、多语音切换和语音AI应用开发。关键词：AI语音智能体，对话式AI，语音识别，文本转语音，ElevenLabs，ASR，TTS，RAG，语音代理，AI应用。

这个技能用于减少AI代理上下文中的令牌使用，通过混合搜索和压缩技术，保留关键证据并持久化到内存记录中。关键词：令牌节约、上下文压缩、AI代理、RAG应用、内存持久化。

这个技能是一个元技能，用于将任何SKILL.md文件自动化升级到决策理论v5 Hybrid格式，通过四个并行Ragie支持的代理使用决策理论和模态逻辑进行分析、优化和验证。关键词：技能升级、决策理论、模态逻辑、RAG应用、AI代理、自动化工具、MDP结构、策略设计、约束提取、验证安全性。

这个技能用于诊断上下文填充与上下文工程，帮助产品经理优化AI上下文管理。它提供实践评估、边界定义、内存架构设计、检索策略以及研究→计划→重置→实施周期的指导。关键词包括：上下文工程、AI上下文优化、产品管理、RAG、内存架构、上下文诊断。

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。