Loading...
Loading...
共找到 97 个 Skills
使用neo4j-graphrag Python包（原neo4j-genai）在Neo4j上构建GraphRAG检索管道。内容涵盖检索器选择（VectorRetriever、HybridRetriever、VectorCypherRetriever、HybridCypherRetriever、Text2CypherRetriever）、retrieval_query Cypher片段、query_params参数、管道连接（GraphRAG + LLM）、嵌入器设置、索引创建以及LangChain/LlamaIndex集成。**不处理**从文档构建知识图谱（KG）——请使用neo4j-document-import-skill。**不处理**纯向量搜索——请使用neo4j-vector-index-skill。**不处理**GDS分析——请使用neo4j-gds-skill。**不处理**Agent内存——请使用neo4j-agent-memory-skill。
根据需求、领域模型和API标准生成API设计故事。这些故事是产品需求与OpenAPI规范之间的桥梁——这是Emmanuel Paraskakis提出的使用LLM设计API的方法。当用户输入“/design-api-stories”或要求生成API用户故事时使用。
使用Data Analysis Agent执行自然语言商业分析，自动生成SQL查询，创建可视化图表，并从Excel/CSV/数据库中生成商业洞察
创建具有类型安全依赖项、结构化输出和合理配置的PydanticAI Agent。适用于构建AI Agent、创建聊天系统或将LLM与Pydantic验证集成的场景。
擅长构建全面的AI系统，将LLM、RAG架构和自主Agent集成到生产应用中。适用于构建AI驱动的功能、实现LLM集成、设计RAG流水线或部署AI系统的场景。
创建叙事性知识条目，将技术工作转化为神话故事。可用于生成Agent记忆、以叙事形式记录变更，或通过讲故事的方式构建持久化知识。
调用外部LLM（Gemini、OpenAI/Codex、Qwen）获取第二意见、替代方案、独立评审或委托任务。适用于用户需要其他模型的观点、想要对比答案，或请求将子任务委托给Gemini/Codex/Qwen的场景。
Vercel AI SDK专业使用指南，适用于构建AI驱动功能的场景——包括聊天界面、文本生成、结构化输出、工具调用、Agent、MCP集成、流式传输、嵌入向量、重排序、图像生成，或是对接任意LLM服务商的开发工作。
使用Neo4j GenAI Plugin的ai.text.*函数和过程，在Cypher语句内实现嵌入生成、文本补全、结构化输出、聊天、分词和批量导入。涵盖ai.text.embed()、ai.text.embedBatch()、ai.text.completion()、ai.text.structuredCompletion()、ai.text.aggregateCompletion()、ai.text.chat()、ai.text.tokenCount()、ai.text.chunkByTokenLimit()，以及OpenAI、Azure OpenAI、VertexAI和Amazon Bedrock的提供商配置。要求使用CYPHER 25版本，替代已弃用的genai.vector.encode()。适用于编写纯Cypher的GraphRAG、在图中嵌入节点、通过提示词生成结构化映射，或在Cypher查询中调用LLM的场景。**不**处理基于neo4j-graphrag Python库的流水线——请使用neo4j-graphrag-skill；**不**处理向量索引的创建/搜索——请使用neo4j-vector-index-skill。
提供基于向量数据库和语义搜索构建AI应用的Retrieval-Augmented Generation（RAG）系统的模式。适用于实现基于知识库的AI、构建文档问答系统，或将大语言模型（LLMs）与外部知识库集成的场景。
企业微信客服自动化系统。自动同意好友添加、基于知识库的智能问答、未知问题人工介入提醒。适用于企业微信客服场景的 AI 助手机器人。
基于Vercel AI SDK的AI集成——构建支持流式响应、函数调用与工具调用的AI驱动应用。适用场景：实现AI功能时、使用useChat或useCompletion时、构建聊天机器人时、集成大语言模型（LLMs）时、实现函数调用时。