Loading...
Loading...
共找到 351 个 Skills
用于生成最先进句子、文本和图像嵌入的框架。提供5000+预训练模型，可用于语义相似度计算、聚类和检索。支持多语言、特定领域和多模态模型。适用于为RAG、语义搜索或相似度任务生成嵌入，是生产环境中生成嵌入的理想选择。
面向生产级LLM应用的工程化提示词设计：结构化输出（JSON/Schema）、确定性提取器、RAG基础/引用、工具/Agent工作流、提示词安全（注入/数据泄露）以及提示词评估/回归测试。适用于为Codex CLI、Claude Code以及OpenAI/Anthropic/Gemini API设计、调试或标准化提示词的场景。
基于AI的数字解决方案架构师。包含两种模式：(1) 分析现有代码仓库或代码，面向任何受众（包括无技术背景的人员）解释其架构。(2) 设计使用LLM、RAG、Agent或fine-tuning的全新系统完整架构。当用户提到以下内容时可使用该skill：AI架构、LLM系统设计、架构分层、RAG architecture、AI技术栈、向量数据库、架构图、系统组件、embedding、retrieval、数据管道、MLOps、LLMOps、方案评估、RAG vs fine-tuning、设计人工智能解决方案、解释仓库、解释代码、分析项目、这个repo是做什么的、这个系统如何运行、给我解释这个项目，或者任何「我需要哪些组件」「给我解释这个怎么运作」的变体表述。当用户粘贴代码、README、文件结构，或者提到需要分析GitHub仓库时激活该skill，用户想要设计全新架构时也可使用。
检索增强生成（RAG）模式，包括分块、嵌入、向量存储和检索优化。适用场景：RAG、检索增强、向量搜索、嵌入、语义搜索。
使用大语言模型构建应用——提示词工程、RAG模式与LLM集成。适用于AI驱动功能、聊天机器人或基于LLM的自动化场景。
通过curl集成Tavily AI搜索API。使用该技能执行实时网络搜索和RAG式检索。
实现结合稠密向量与稀疏检索的混合搜索，以获得最优的RAG结果。 当仅使用向量搜索无法提供准确结果时，可使用该技能。 适用场景：混合搜索、BM25、关键词搜索、稀疏检索、稠密检索、重排序、集成检索。
面向LLM优化、提示词模式、结构化输出及AI产品开发的世界级提示词工程能力。精通Claude、GPT-4、提示词设计模式、小样本学习（few-shot learning）、思维链（chain-of-thought）及AI评估。涵盖RAG优化、Agent设计与LLM系统架构。适用于AI产品构建、LLM性能优化、智能体系统设计或高级提示词技术实现场景。
使用LangChain的链、Agent、内存系统、RAG模式和高级编排构建生产级LLM应用的综合指南
HyDE（Hypothetical Document Embeddings，假设文档嵌入）用于优化语义检索。当查询与文档词汇不匹配、检索质量不佳，或是需要实现高级RAG模式时，可使用该方法。
设计、创建并配置带有工具、指令、知识库（Knowledge Base）和存储记忆的orq.ai Agent。适用于构建新Agent、关联知识库或存储记忆、编写系统指令、选择模型或搭建RAG管道场景。请勿用于调试现有Agent（请使用analyze-trace-failures）或跨框架对比Agent（请使用compare-agents）。
LangChain LLM应用框架，具备chains、agents、RAG和memory功能，用于构建AI驱动的应用程序