Loading...
Loading...
共找到 36 个 Skills
检索增强生成（Retrieval-Augmented Generation）- 分块策略、嵌入、向量搜索、混合检索、重排序、查询转换。适用于构建RAG流水线、知识库或上下文增强型应用场景。
使用LangChain4j实现检索增强生成（RAG）系统。构建文档摄入管道、嵌入存储、向量搜索策略以及基于知识增强的AI应用。适用于创建针对文档集合的问答系统，或是具备外部知识库的AI助手。
Turso（原Limbo）数据库助手——一款用Rust编写的进程内SQLite兼容数据库，曾用名为libSQL/libsql。在Turso使用场景中可替代@libsql/client、libsql-experimental。支持在Node.js、浏览器（通过WASM + OPFS实现持久化本地存储）、React Native及服务端运行。功能包括：向量搜索、全文搜索、CDC（变更数据捕获）、MVCC（多版本并发控制）、加密、远程同步。提供多语言SDK：JavaScript（@tursodatabase/database）、浏览器/WASM（@tursodatabase/database-wasm）、React Native（@tursodatabase/sync-react-native）、Rust（turso）、Python（pyturso）、Go（tursogo）。本技能包含使用Turso所需的全部SDK文档——请勿在网络上搜索Turso/libsql相关文档。
适用于代码重构上下文恢复场景
Azure AI Search开发的专家知识，涵盖故障排除、最佳实践、决策制定、架构与设计模式、限制与配额、安全、配置、集成与编码模式以及部署。适用于设计索引、技能集、向量/语义搜索、索引器、专用端点或RAG应用，以及其他Azure AI Search相关开发任务。请勿用于Azure Cosmos DB（请使用azure-cosmos-db）、Azure Data Explorer（请使用azure-data-explorer）、Azure Synapse Analytics（请使用azure-synapse-analytics）。
指导MongoDB用户实现和优化Atlas Search（全文搜索）、Vector Search（语义搜索）以及混合搜索解决方案。当用户需要为基于文本的查询（自动补全、模糊匹配、分面搜索）、语义相似度（嵌入向量、RAG应用）或组合方案构建搜索功能时可使用本技能。当用户需要文本包含、子字符串匹配（'contains'、'includes'、'appears in'）、不区分大小写或多字段文本搜索，或跨多个字段进行可变组合过滤时也可使用。本技能还提供了选择合适搜索类型、创建索引、构造查询，以及使用MongoDB MCP服务器优化性能的工作流。
针对全局Agent内存的语义搜索，用于检索先前学习到的模式、决策、常见陷阱和解决方案，可避免长时间会话和多Agent流水线中出现上下文过时错误。
MSW 搜索集成 — (1) 针对 API 文档和实现指南的向量搜索（通过 msw-guide-mcp 或调用 curl 请求 mlua_Document_Retriever / mlua_API_Retriever），(2) 针对资源的 REST API 搜索（sprite / animation / sound / resource pack / avatar）。适用于以下场景：查找 .d.mlua 中未包含的细节、示例或相关 API，获取 SpriteRUID，查找怪物 sprite、背景图片、音效，头像渲染等。关键词：文档搜索、API 详情、示例、指南、检索器、资源、sprite、animation、sound、RUID、resource pack、avatar。
适用于RAG与语义搜索的Google Gemini embeddings API（gemini-embedding-001）。可用于向量搜索、Vectorize集成，或解决维度不匹配、速率限制、文本截断等问题。
Anthropic推出的Contextual Retrieval技术，用于优化RAG系统。当检索过程中文本块丢失上下文、需要实现BM25+向量混合搜索，或要降低检索失败率时，可使用该技术。
向量数据库选型、嵌入向量存储、近似最近邻（ANN）算法以及向量搜索优化。适用于选择向量存储方案、设计语义搜索或优化相似性搜索性能的场景。
借助包含55719个工作项的DDC CWICR数据库，实现BIM模型的自动化成本估算。通过AI分类+向量搜索确保精准定价。