Loading...
Loading...
共找到 351 个 Skills
借助RAG流水线、嵌入技术、向量数据库、智能代理工作流以及LLM集成，构建AI优先的应用程序。掌握提示工程、函数调用、流式响应以及成本优化技术，适配2025年及以后的AI开发需求。
使用Dify的可视化工作流平台构建LLM应用。适用于创建AI聊天机器人、实现RAG流水线、开发带工具的Agent、管理知识库、部署LLM应用，或通过拖拽方式构建工作流。支持数百种LLM模型，以及Docker/Kubernetes部署。
本技能可用于解决所有与为LangChain Agent创建测试或评估数据集相关的问题，涵盖从轨迹（final_response、single_step、trajectory、RAG类型）生成数据集、上传至LangSmith以及管理评估数据等内容。
用于添加多格式RAG摄入、分块、嵌入和检索管道时使用；可与architect-python-uv-batch或architect-python-uv-fastapi-sqlalchemy搭配使用。
开展全面综合研究的指南，重点关注验证、多源分析和RAG模式。
创建并运行orq.ai实验——使用评估器对比数据集与配置，分析结果并生成优先级明确的行动计划。适用于对LLM Agent、部署、对话或RAG管道进行端到端评估。**请勿在没有数据集和评估器的情况下使用**。**请勿用于与外部Agent的跨框架对比（请使用compare-agents）**。
将PDF中的文本提取为结构化、语义化的Markdown格式。适用于将PDF转换为Markdown、从PDF中提取文本、将一个或多个PDF处理为Markdown输出、读取PDF内容进行分析、为RAG pipeline摄入文档、为LLM上下文准备PDF，或任何需要将PDF文本转换为机器可读格式的任务。当用户拥有PDF并需要将其内容转换为文本或Markdown格式时，**务必**使用此技能——即使他们没有明确提到“转换为Markdown”。
每个产品都将由AI驱动。问题在于你是要正确构建它，还是发布一个在生产环境中崩溃的演示版本。本技能涵盖LLM集成模式、RAG架构、可扩展的提示工程、用户信任的AI用户体验，以及不会让你破产的成本优化。适用场景：关键词、文件模式、代码模式。
借助Workers AI在Cloudflare的GPU网络上运行大语言模型（LLMs）和AI模型。支持Llama 4、Gemma 3、Mistral 3.1、Flux图像生成、BGE嵌入、流式传输以及AI Gateway。适配2025年的破坏性变更，可预防7种已记录的错误。 适用场景：实现LLM推理、图像生成、RAG（检索增强生成），或排查AI_ERROR、速率限制、max_tokens、BGE池化、上下文窗口、神经元计费、Miniflare AI绑定、NSFW过滤器、num_steps相关问题。
用于构建带RAG的LLM应用的数据框架。专注于文档摄入（支持300+连接器）、索引与查询功能。具备向量索引、查询引擎、Agent以及多模态支持能力。可用于文档问答、聊天机器人、知识检索或构建RAG流水线。最适合以数据为中心的LLM应用。
RAG（检索增强生成）系统构建专家。精通嵌入模型、向量数据库、分块策略以及LLM应用的检索优化。当提及‘构建RAG、向量搜索、嵌入、语义搜索、文档检索、上下文检索、知识库、基于文档的LLM、分块策略、pinecone、weaviate、chromadb、pgvector、rag、embeddings、vector-database、retrieval、semantic-search、llm、ai、langchain、llamaindex’相关内容时，可寻求我的帮助。
提供Qdrant向量数据库与LangChain4j的集成方案，为Java应用程序处理嵌入存储、相似性搜索和向量管理。适用于为RAG系统、语义搜索或推荐引擎实现基于向量的检索场景。