Loading...
Loading...
共找到 11 个 Skills
使用Firebase Genkit构建可投入生产的AI工作流。适用于创建流程、工具调用Agent、RAG管道、多Agent系统，或将AI部署到Firebase/Cloud Run的场景。支持TypeScript、Go和Python，同时兼容Gemini、OpenAI、Anthropic、Ollama和Vertex AI插件。
一款用于构建由LLM驱动、集成Agents、Chains和RAG的应用程序框架。支持多个提供商（OpenAI、Anthropic、Google）、500+种集成、ReAct智能体、工具调用、内存管理以及向量存储检索功能。可用于构建聊天机器人、问答系统、自主智能体或RAG应用程序，非常适合快速原型开发和生产部署。
使用LangChain和LangGraph构建大语言模型（LLM）应用。适用于创建RAG管道、Agent工作流、链式调用或复杂LLM编排场景。触发关键词包括LangChain、LangGraph、LCEL、RAG、信息检索、Agent链。
当你使用Mastra（一款用于构建Agent、工作流、工具和AI驱动应用的TypeScript AI框架）时，请使用本技能。在创建Agent、定义工作流、配置内存、搭建RAG管道、设置MCP客户端/服务器、语音集成、评估/评分器、部署以及使用Mastra CLI命令时触发本技能。当提及“mastra dev”、“mastra build”、“mastra init”、Mastra Studio或任何Mastra包导入时也会触发。
指导用户使用LangChain构建基于LLM的应用，以及使用LangGraph构建有状态的Agent工作流。当用户提出“创建AI Agent”、“构建LangChain链”、“创建LangGraph工作流”、“实现工具调用”、“构建RAG管道”、“创建多Agent系统”、“定义Agent状态”、“加入人在回路”、“实现流式输出”等请求，或者提及LangChain、LangGraph、链、Agent、工具、检索增强生成（RAG）、状态图、LLM编排等术语时，该技能会被触发。
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）**。
使用LangChain构建LLM应用，涵盖链（chains）、代理（agents）、记忆（memory）、工具（tools）和RAG管道。当用户请求“LangChain设置”、“LLM链”、“AI工作流”、“对话式AI”或“RAG管道”时可参考本文档。
当你编写LLM提示词、实现思维链推理、设计少样本示例、构建RAG管道或优化提示词性能时，可使用此技能。触发场景包括提示词设计、系统提示词、少样本学习、思维链、提示词链式调用、RAG、检索增强生成、提示词模板、结构化输出，以及任何需要高效LLM交互模式的任务。
基于RAG、提示词工程、向量数据库与AI Agent的大语言模型（LLM）应用开发
当用户要求“诊断上下文问题”、“修复lost-in-middle问题”、“调试Agent故障”、“理解上下文污染”，或者提到上下文退化、注意力模式、上下文冲突、上下文混淆、Agent性能下降时，应使用该技能。这是一项核心的上下文工程技能——当用户在诊断和缓解上下文故障的场景中提到“context engineering”或“context-engineering”时，也会触发该技能。
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。