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。

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。

这个技能用于设计检索增强生成（RAG）系统架构，针对特定用例如客户支持聊天机器人、文档问答、法律文档搜索等。它包括需求澄清、技能加载、代理生成、摄取和检索管道设计，以及质量和扩展优化。适用于AI驱动应用开发，提高信息检索和生成准确性。关键词：RAG架构、检索增强生成、AI设计、文档处理、向量数据库、LLM集成、智能系统开发。

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。

状态报告生成器是一个自动化工具，用于从Git历史、任务系统和里程碑跟踪生成结构化项目状态报告。它提供多种模板、数据提取方法和RAG状态评估框架，适用于敏捷开发、团队协作和项目管理，提高报告效率和透明度。关键词：状态报告、项目管理、Git、里程碑、RAG框架、自动化、敏捷开发。

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。

迭代检索模式是一种用于解决多智能体系统中上下文检索问题的技术方法。该模式通过分发、评估、优化、循环四个阶段，逐步优化检索标准，为子智能体提供精准的上下文信息。主要应用于AI智能体开发、RAG应用、代码理解、文档检索等场景，能够有效解决传统检索方法中信息过载或信息不足的问题。关键词：迭代检索、上下文优化、多智能体系统、RAG应用、代码理解、智能体开发、信息检索、AI工作流、上下文管理、智能体编排

这是一个用于在Agentuity云平台上创建存储资源的命令行工具。主要功能包括：创建云存储桶、支持试运行模式、需要身份验证和组织上下文。关键词：云存储、存储桶创建、CLI工具、Agentuity平台、云资源管理、命令行操作。

这是一个用于Agentuity云平台的CLI工具技能，主要功能是列出所有向量数据库的命名空间。该技能需要用户先完成身份验证，并在项目上下文中执行。适用于向量数据库管理、AI应用开发、RAG应用构建等场景。关键词：Agentuity云平台、向量数据库、命名空间、CLI工具、AI开发、RAG应用、云服务管理

这是一个用于Agentuity云平台的命令行工具技能，专门用于查询和显示云存储桶的详细信息。该技能支持获取存储桶名称、S3访问密钥、区域和端点等核心配置信息，并提供凭据显示选项。适用于云存储管理、DevOps运维和云平台操作等场景。关键词：Agentuity云存储，S3存储桶查询，云平台CLI，存储桶管理，DevOps工具

Agentuity云平台存储创建技能，用于通过命令行工具快速创建云存储资源（如存储桶）。该技能需要用户先完成身份验证和组织上下文设置，支持创建操作、别名调用和试运行模式，适用于DevOps工程师、云平台管理员进行资源管理和自动化部署。关键词：Agentuity云存储，CLI命令行，存储桶创建，云平台操作，DevOps自动化，资源管理，身份验证，组织管理。

迭代检索模式是一种解决多智能体工作流中上下文问题的先进方法，通过分发、评估、优化、循环四个阶段逐步精炼信息检索。该技能专门用于AI智能体开发、代码库分析、上下文管理，帮助开发者和AI系统在复杂代码项目中高效定位相关文件、识别模式、学习项目术语，避免信息过载或不足的问题。适用于RAG应用、AI智能体开发、软件开发工具链优化等场景。