Loading...
Loading...
共找到 351 个 Skills
构建并维护Hermes Atlas生态系统图谱，包含质量筛选、RAG聊天机器人和GitHub实时星标追踪功能
用于RAG/LLM的基础数据支撑。返回为LLM优化的预提取网页内容（文本、表格、代码）。支持GET和POST请求。可根据内容复杂度调整max_tokens/结果数量。支持Goggles、本地/POI功能。若需AI直接返回答案请使用answers接口。推荐给所有构建AI/Agent类应用的开发者。
Microsoft GraphRAG 全能使用指南——基于模块化图结构的RAG系统，用于私有数据集的推理任务
通过Python SDK（ha3engine）使用OpenSearch向量搜索版推送文档并运行HA/SQL搜索，非常适用于Claude Code/Codex中的RAG和向量检索流程。
通过Together AI生成文本嵌入并对文档进行重排序。嵌入模型包括BGE、GTE、E5、UAE系列，通过MixedBread重排序器实现重排序功能。适用于用户需要文本嵌入、向量搜索、语义相似度计算、文档重排序、RAG流水线组件或检索增强生成的场景。
设计具备分块优化、检索评估和管道架构的生产级RAG管道。适用于构建RAG系统、选择分块策略、挑选向量数据库、优化检索质量、设计嵌入管道或使用RAGAS指标评估RAG性能的场景。
使用LangGraph、ChromaDB RAG和Polygon.io数据构建用于实时金融期权分析的AI Agent
借助HNSW索引、KNN查询和相似度评分实现SurrealDB向量搜索。适用于创建向量索引、使用KNN距离运算符查询向量、构建语义搜索或RAG流水线、调优HNSW参数（EFC、M、M0、距离函数、类型），或基于SurrealDB实现推荐系统。触发词：HNSW、vector、embedding、KNN、cosine、euclidean、语义搜索、RAG、vector::distance。
文件系统RAG基准测试：corpus/、train.json、evaluate_rag.py（基于RAGAS质量评估）。不适用于生产环境监控、延迟/吞吐量基准测试（请使用rag-perf），或非本仓库结构下的评估。
使用Databricks内置AI Functions（ai_classify、ai_extract、ai_summarize、ai_mask、ai_translate、ai_fix_grammar、ai_gen、ai_analyze_sentiment、ai_similarity、ai_parse_document、ai_prep_search、ai_query、ai_forecast），无需管理模型端点即可直接为SQL和PySpark流水线添加AI能力。同时涵盖文档解析和自定义RAG流水线构建（parse → prep_search → index → query）。
使用OpenAI Assistants API v2构建有状态聊天机器人——支持Code Interpreter、文件搜索（最多10000个文件）、函数调用功能。可预防10种已记录的错误，包括向量存储上传bug、temperature参数冲突、内存泄漏等。该版本已被弃用（将于2026年8月停止服务）；新项目请使用openai-responses。 适用场景：维护遗留聊天机器人、使用向量存储实现RAG、排查线程错误、向量存储延迟及uploadAndPoll相关问题。
涵盖LLM应用开发、RAG实现、Agent架构、ML流水线以及AI驱动功能的人工智能与机器学习工作流。