搜索结果: "rag"

4.5

Agentuity云向量更新插入工具Skill agentuity-cli-cloud-vector-upsert

Agentuity云向量更新插入工具是一个用于向量数据库操作的CLI命令,主要功能包括向量存储管理、文档嵌入处理、元数据关联和批量数据导入。该工具支持单条向量更新插入和批量操作,可用于AI应用开发、大模型微调、RAG应用构建和向量搜索等场景。关键词:向量数据库、文档嵌入、AI工具、CLI命令、Agentuity云平台、RAG应用、向量存储、批量导入、元数据管理。

4.5

高级提示工程师Skill senior-prompt-engineer

专注于提升LLM(大型语言模型)提示的性能和效率,包括提示优化、评估RAG(检索增强生成)质量、设计代理系统。关键词:提示工程、LLM评估、代理系统设计。

4.5

AI提示工程Skill ai-prompt-engineering

AI提示工程技能提供生产级人工智能应用提示设计的操作指南,涵盖结构化输出、RAG工作流、智能体编排等,帮助开发者在设计、调试和标准化AI提示时提升效率和质量。关键词:AI提示工程、生产应用、RAG、智能体、提示安全、结构化输出、评估测试。

4.5

迭代检索模式技能Skill iterative-retrieval

迭代检索模式是一种用于优化多智能体系统中上下文检索的技能。它通过循环的分发、评估、优化和循环阶段,帮助子智能体逐步获取所需上下文,解决代码库搜索问题,提高工作效率。关键词包括:迭代检索、上下文优化、多智能体、代码库搜索、AI智能体、RAG应用、智能体编排。

4.5

OpenAI助手APIv2技能Skill openai-assistants

这个技能封装了OpenAI Assistants API v2,用于快速构建状态ful的聊天机器人应用,支持代码解释器、文件搜索和RAG技术,提高开发效率并预防常见错误。关键词:OpenAI, 助手API, 聊天机器人, RAG, 代码解释器, 文件搜索, AI智能体, 状态ful对话, 向量存储, 错误处理。

4.5

AIRAG管道技能Skill ai-rag-pipeline

此技能用于构建基于检索增强生成(RAG)的AI管道,结合网络搜索和大语言模型(LLMs),实现知识增强的AI响应生成。适用于AI智能体开发、研究助手、事实检查、知识检索等场景。关键词:RAG、AI管道、检索增强生成、网络搜索、LLMs、AI应用、知识库、智能体、事实检查、研究助手。

4.5

状态报告生成器Skill status-report-generator

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。

4.5

知识图谱构建Skill knowledge-graph-construction

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。

4.5

GraphRAG评估Skill graphrag-evaluation

这个技能用于系统评估GraphRAG(图谱检索增强生成)系统的质量,提供结构化框架、指标选择和测试协议,涵盖知识图谱完整性、检索相关性、答案正确性、推理验证和幻觉预防,帮助优化AI应用性能。关键词:GraphRAG评估、知识图谱、检索增强生成、质量指标、AI系统测试、幻觉减少、多步推理、RAG性能测量。

4.5

实现拖放与可排序接口Skill implementing-drag-drop

这个技能用于通过React和TypeScript实现拖放和可排序功能,适用于看板、列表排序、文件上传等场景,注重无障碍性、触摸支持和性能优化,关键词包括:拖放、React、TypeScript、前端开发、UI交互、可排序、看板、文件上传。

4.5

Relay片段模式Skill relay-fragments-patterns

这个技能专注于使用Relay的片段模式来构建可维护的React应用程序。通过组件级数据声明、自动组合、数据掩码和优化数据获取,实现高效的数据依赖管理和组件共位,适用于数据密集型应用如社交媒体、电商平台等。关键词:Relay、React、GraphQL、片段、数据掩码、组件共位、前端开发。

4.5

成本感知型LLM管道Skill cost-aware-llm-pipeline

成本感知型LLM管道是一种用于优化大型语言模型API使用成本的综合性技术方案。该技能通过模型路由、预算跟踪、重试逻辑和提示词缓存四大核心模块,实现智能成本控制。适用于AI应用开发、大模型微调、RAG应用等场景,帮助开发者在保持任务质量的前提下,有效管理Claude、GPT等API的调用成本。关键词:LLM成本优化、模型路由、API预算控制、提示词缓存、重试策略、AI应用开发、大模型API管理。