搜索结果: "rag"
LangChain与LangGraph开发Skill langchain
此技能涉及使用LangChain和LangGraph框架来构建和部署大型语言模型（LLM）应用程序。它支持创建RAG（检索增强生成）管道、设计代理工作流、组合链式操作以及进行复杂的LLM编排。关键词：LangChain, LangGraph, LLM, RAG, AI代理, 链式编程, Python开发, 人工智能应用。
相似性搜索模式Skill similarity-search-patterns
相似性搜索模式技能专注于通过向量数据库实现高效相似性搜索，关键应用包括语义搜索系统、RAG检索、推荐引擎等。涉及核心概念如距离度量（余弦相似度、欧几里得距离）和索引类型（HNSW、IVF+PQ），并提供多种实现模板（Pinecone、Qdrant、pgvector、Weaviate）。适用于AI开发者、数据工程师在构建智能检索和数据分析系统时使用。关键词：相似性搜索、向量数据库、语义搜索、RAG、推荐系统、HNSW、混合搜索。
RAG实现技能Skill rag-implementation
这个技能用于构建检索增强生成（RAG）系统，通过向量数据库和语义搜索技术，增强大型语言模型（LLM）应用，实现基于外部知识源的准确响应。适用于文档问答系统、聊天机器人、语义搜索等场景，关键词：RAG、检索增强生成、向量数据库、语义搜索、LLM应用、人工智能、文档处理、知识库集成。
提示工程模式Skill prompt-engineering-patterns
提示工程模式是一种高级技能，专注于通过优化提示设计来提升大型语言模型（LLM）在生产环境中的性能、可靠性和可控性。它涉及使用少样本学习、思维链推理、结构化输出等技术，用于AI应用开发、LLM微调、RAG系统集成等场景，关键词包括提示工程、LLM优化、AI应用、性能提升、生产部署。
混合搜索实现Skill hybrid-search-implementation
混合搜索实现是一种结合向量搜索和关键词搜索的技能，用于提高检索性能，特别适用于构建RAG系统、搜索引擎等场景。它能够融合语义理解和精确匹配，处理特定术语查询，改善召回率。关键词：混合搜索、向量搜索、关键词搜索、RAG应用、人工智能、机器学习、检索增强生成、搜索引擎优化。
嵌入策略Skill embedding-strategies
该技能专注于选择和优化嵌入模型，用于语义搜索和检索增强生成（RAG）应用。涵盖模型比较、分块策略、嵌入管道构建、质量评估及最佳实践，适用于人工智能和软件开发领域。关键词：嵌入模型、语义搜索、RAG、向量搜索、优化、分块策略、质量评估。