Loading...
Loading...
共找到 351 个 Skills
对网文项目做只读体检/诊断（/webnovel-doctor）——检查目录、文件、JSON、SQLite、RAG 配置、依赖与 Dashboard 构建产物是否完整。
测试产品中交付的AI/LLM功能。涵盖提示词回归测试、响应质量评估、工具调用验证、幻觉与RAG grounding检查、非确定性输出策略、红队/安全扫描、评估框架，以及以Agent为目标的注入攻击（通过工具输出/RAG/扫描报告的间接注入、自传播载荷、借助Agent的数据泄露），同时附带一个不可信内容检测器。适用场景：「测试我们的LLM功能」「提示词回归测试」「评估框架」「幻觉测试」「RAG grounding」「非确定性输出」「AI功能测试」「对我们的聊天机器人进行红队测试」「间接提示注入」「Agent读取不可信工具输出」「生产环境AI质量保障」。不适用场景：使用AI生成测试代码——请使用ai-test-generation技能；用AI分类CI失败原因——请使用ai-bug-triage技能；验证AI功能是否符合欧盟AI法案/GDPR——请使用compliance-testing技能；AI功能的金丝雀发布/特性灰度发布——请使用testing-in-production技能。相关技能：ai-test-generation、ai-qa-review、api-testing、compliance-testing、security-testing、risk-based-testing、test-data-management。
用于RAG和语义搜索的Databricks Vector Search端点与索引；涵盖索引类型、搜索模式、端到端RAG模式
设计ObjectStack AI技能、工具、知识源、对话、模型注册表条目以及MCP集成。当用户添加`*.skill.ts`/`*.tool.ts`、配置LLM提供商、连接Agent工具，或者将ObjectStack数据索引为RAG的知识源时使用此内容。Agent本身是平台内部组件（`ask`/`build`）——第三方通过技能和工具扩展它们，而非编写`*.agent.ts`文件。请勿将其用于与ObjectStack元数据无关的通用LLM提示问题。
使用Firecrawl从网页内容构建知识库。可用于本地参考文档、适配RAG的文本块、微调数据集、文档镜像、主题语料库，或是从网页源整理出的适配LLM的markdown内容。
适用于评审ML系统设计文档、ML/AI项目仓库、设计文档PR、RAG/LLM/大模型架构、智能Agent工作流，或生产级ML就绪情况。运用Kravchenko和Babushkin提出的ML系统设计框架对设计进行评级，对比文档与代码，找出关键漏洞和易实现的优化点，并给出具体且不生硬的表扬。
Redis向量搜索指南，涵盖HNSW与FLAT算法选择、向量索引配置（维度、距离度量、数据类型）、结合向量相似度与TAG或NUMERIC过滤器的过滤式混合搜索，以及基于RedisVL的RAG检索模式。适用于在FT.CREATE中定义VECTOR字段、集成嵌入模型（OpenAI、Cohere、sentence-transformers）、调优HNSW参数（M、EF_CONSTRUCTION、EF_RUNTIME）、构建检索增强生成（RAG）流水线，或按属性过滤向量结果的场景。
Redis Search指南，涵盖FT.CREATE schema设计、字段类型选择（TEXT、TAG、NUMERIC、GEO、GEOSHAPE、VECTOR、JSON路径）、DIALECT 2查询语法、FT.SEARCH/FT.AGGREGATE/FT.HYBRID命令选择、基于HNSW或FLAT的向量相似度、结合词汇与向量排序的混合检索、RAG管道、通过别名实现零停机索引更新，以及使用FT.PROFILE和FT.EXPLAIN进行调试。适用于在Hash或JSON文档上定义搜索索引、编写带过滤、排序、聚合或向量KNN的FT.SEARCH查询、调优HNSW参数、构建RAG检索管道，或排查搜索结果为空或查询缓慢的问题。
指导RAG流水线的检索与生成质量评估。适用于评估检索增强生成系统、衡量检索质量、评估生成内容的忠实性或相关性、生成用于检索测试的合成问答对，以及优化分块策略等场景。
为AI应用部署、管理和优化向量数据库。涵盖Qdrant、Weaviate、pgvector和Pinecone——面向生产环境RAG与语义搜索工作负载的集合管理、索引策略、备份及性能调优。
当需要从LlamaCloud Index v2知识库中存储的文档回答问题时，请使用此技能——通过curl调用LlamaParse Platform REST API来检索段落、定位已索引文件或搜索已索引内容。本技能教授代理式检索（agentic retrieval）——像操作文件系统一样浏览索引，而非使用单次RAG（one-shot RAG）。
设计并评审跨关系型、图型、文本、混合式、Polygres AI Context以及现有pgvector支持策略的Polygres检索计划。适用于用户需要在检索界面、模型图或embedding输入、Context集合规划或落地RAG、与现有向量配置迁移或共存，或是在配置或实施前评审检索架构的场景。不得修改项目、运行配置命令或编写应用代码。