搜索结果: "rag"
Terragrunt生成器Skill terragrunt-generator
Terragrunt生成器是一个全面的工具包，用于生成遵循当前最佳实践、命名约定和安全标准的生产就绪Terragrunt配置文件。它支持Terragrunt 2025的新特性，包括堆栈、特性标志、排除块、错误块和OpenTofu引擎。这个工具在创建新的Terragrunt项目、设置多环境基础设施、实施DRY Terraform配置、管理复杂基础设施以及使用自定义Terraform提供程序或模块时非常有用。
GLM模型连接协议Skill glm-mcp
GLM-MCP技能是一个专为智谱AI大语言模型设计的自定义连接协议工具，支持模型微调、API集成和智能体开发。该技能提供版本管理、上下文记忆和活动追踪功能，适用于AI应用开发、大模型部署和RAG系统构建。关键词：GLM大模型，MCP协议，AI智能体开发，模型微调，RAG应用，上下文管理，API集成，自定义技能
ScrumMasterAgentSkill scrum-master-agent
为SaaS初创公司和应用工程团队设计的即用型Scrum Master助手，提供智能冲刺分析、能力规划、待办事项优先级排序和可操作的洞察。
RAGArchitect-POWERFULSkill rag-architect
RAG架构技能是一套全面的知识和工具，用于设计、实现和优化生产级的检索增强型生成（RAG）流水线。它覆盖了从文档分块策略到评估框架的整个RAG生态系统，帮助构建可扩展、高效和准确的检索系统。关键词：RAG架构、文档处理、嵌入模型、向量数据库、检索策略、查询转换技术、评估框架、生产模式、成本优化、安全护栏。
senior-ml-engineerSkill senior-ml-engineer
高级机器学习工程师技能，专注于生产中模型的部署、MLOps流程构建以及大型语言模型的集成。涵盖模型部署、特征存储、漂移监控、RAG系统和成本优化。
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。
PlannerAgentSkill planner
这是一个用于创建详细、分阶段的实施计划的技能，包括冲刺和原子任务。它可以帮助用户梳理项目需求，生成具体的任务列表，并预测潜在的风险和问题。
AI/MLObservabilityandMonitoringSkill AI/MLObservabilityandMonitoring
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。
RAG实施Skill RAGImplementation
这项技能涉及使用 LangChain 框架实施检索增强型生成（RAG），包括文档处理、嵌入生成、向量存储检索、检索策略、提示构建、响应生成、上下文窗口管理、系统评估和性能优化等关键环节，旨在提高基于知识的问答系统的准确性和效率。
文档摄入管道Skill DocumentIngestionPipeline
文档摄入管道是一种处理原始文档、提取内容并为RAG系统准备的技能，涉及源连接器、文本提取、预处理和质量验证等关键步骤。
RAG架构模式Skill rag-architecture-patterns
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。
RAGChunkingMetadataStrategySkill rag-chunking-metadata-strategy
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。