本技能用于指导智能体执行NVIDIA RAG Blueprint的基于文件系统的RAG评估（RAGAS）。包括准备corpus/和train.json数据集、运行evaluate_rag.py、调整top_k/reranker/query rewriting等参数以优化质量、解读评估结果JSON并排查错误。关键词：RAG评估、RAGAS、NVIDIA RAG Blueprint、文件系统基准、检索增强生成、质量评估、evaluate_rag、corpus、train.json、错误排查。

rag-perf 用于对 NVIDIA RAG Blueprint 服务器进行配置驱动的性能基准测试，支持服务端 profiling（分阶段耗时、引用质量、瓶颈推断）与 aiperf 负载测试，输出统一报告。关键词：RAG、性能基准测试、aiperf、profiling、NVIDIA Blueprint、检索增强、并发扫描、TTFT、吞吐量、时延分析。

nemo-retriever是一个文档检索与向量搜索CLI工具，能够对PDF、图片、Office文档、HTML、TXT、音频、视频等多种格式的文件进行摄取和语义检索，适用于多文件或非PDF语料库的搜索、问答、引用、聚合等场景。关键词：文档检索、向量检索、RAG、语义搜索、知识库问答、多模态检索、NeMo Retriever、LanceDB

NVIDIA RAG 蓝图（RAG Blueprint）操作技能，覆盖从部署、配置、故障排除到关闭的完整生命周期管理。支持Docker/Compose、Kubernetes/Helm及Python库模式，可处理RAG相关各种功能与服务，包括Agentic RAG、VLM、NeMo护栏、查询重写、模型与检索配置、数据摄取、可观测性、摘要与推理等。特点为自主环境检测、意图路由和标准化的运维流程。关键词：RAG、NVIDIA、蓝图、部署、配置、故障排查、运维、检索增强生成

该技能提供公共Nemotron嵌入（embed）与重排（rerank）检索配方（recipes）的规划、调试、调优、评估、导出和部署指导。它帮助用户在源检出中定位正确的配方家族，运行空跑/预览，解读指标，并避免意外长时间运行或泄露密钥。关键词：Nemotron、嵌入、重排、检索配方、微调、评估、导出、部署、RAG。