搜索结果: "rag"
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。
上下文工程顾问Skill context-engineering-advisor
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。
提示模板设计Skill prompt-template-design
提示模板设计技能专注于创建和管理结构化AI提示模板，支持变量插值、多格式输出、版本控制和动态上下文注入。该技能适用于大语言模型应用开发、AI智能体构建、RAG系统优化等场景，帮助开发者实现高效、可维护的提示工程工作流。关键词：提示工程，模板设计，变量管理，版本控制，AI提示，大模型应用，RAG系统，LangChain，提示优化
RAG嵌入向量批量生成器Skill rag-embedding-generation
RAG嵌入向量批量生成技能是一个专门用于检索增强生成（RAG）系统中高效生成文本嵌入向量的工具。它支持OpenAI、HuggingFace、Cohere、Voyage AI等多种主流AI提供商和本地模型，具备批量处理、智能缓存、速率限制管理和自动重试等核心功能。该技能旨在优化RAG管道和向量数据库的构建过程，通过降低API调用成本、提升处理效率并确保嵌入质量，为AI应用开发、大模型微调和NLP项目提供关键技术支持。关键词：RAG嵌入生成，批量向量处理，AI模型缓存，多提供商支持，NLP嵌入优化，向量数据库，检索增强生成，LangChain集成。
RAG混合搜索Skill rag-hybrid-search
RAG混合搜索技能专注于实现和优化检索增强生成（RAG）系统中的混合检索技术。它结合了语义向量搜索（如稠密嵌入）和关键词搜索（如BM25），通过加权融合、倒数排名融合（RRF）等策略，显著提升信息检索的准确性和召回率。该技能涵盖向量数据库集成（Pinecone、Weaviate、Chroma等）、嵌入模型配置、BM25参数调优、索引管理以及跨编码器重排等核心功能，是构建高性能RAG管道、知识库问答系统和高级检索模式的关键技术。关键词：RAG，混合搜索，语义检索，BM25，向量数据库，倒数排名融合，检索增强生成，AI检索优化。
智能体生成器Skill agent-generator
智能体生成器是一个专为AI智能体开发设计的自动化工具，能够根据Babysitter SDK规范，快速生成结构完整、包含YAML前言、角色定义、专业领域和提示模板的AGENT.md文件。它简化了AI智能体（Agent）的创建流程，支持批量生成和流程集成，是构建AI应用、大模型微调和RAG应用生态的关键辅助工具。关键词：AI智能体生成，AGENT.md文件，提示模板，YAML前言，Babysitter SDK，自动化工具，AI应用开发。
移动端离线存储Skill MobileOfflineStorage
移动端离线存储技能提供跨平台离线优先数据管理解决方案，支持WatermelonDB、Realm、MMKV等多种存储引擎，实现数据同步、冲突解决和离线队列管理。关键词：移动开发、离线存储、数据同步、React Native、跨平台、WatermelonDB、Realm、MMKV、同步队列、冲突解决
Midnight版本兼容性检查Skill midnight-tooling:midnight-compatibility
本技能用于管理和检查Midnight区块链开发框架中各组件的版本兼容性。它提供了详细的版本关系图、编译器与运行时匹配指南、包版本管理最佳实践以及版本升级工作流。关键词包括：Midnight版本兼容性、Compact编译器、pragma语言版本、ZK电路、区块链开发、版本管理、npm ci、破坏性变更、证明服务器、组件依赖。
RAG系统管理Skill rag-administration
RAG系统管理技能专注于检索增强生成系统的优化与维护，包括向量索引重建、搜索参数调优、自定义索引创建等功能。通过混合搜索、智能体检索和重新排序技术，提升知识库问答的准确性和效率。关键词：RAG系统、向量数据库、检索增强生成、搜索优化、索引管理、AI问答系统、知识库管理、语义搜索、智能体检索、混合搜索。
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。
迭代检索模式Skill iterative-retrieval
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。
迭代检索模式Skill iterative-retrieval
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