RAG
设计调优调试RAG管道的专用工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：RAG。 它的用途是：设计调优调试RAG管道的专用工具 详细介绍见：https://321skill.com/skills/rag-x-10/ 请根据该页面的说明完成安装。
使用示例
'我搭建的RAG管道在模型切换后相似度分数崩塌，帮我排查并调整分块大小和嵌入模型。' 它会分析当前配置，推荐分块策略和嵌入模型，并给出调优建议。
介绍
这个Skill专为解决检索增强生成（RAG）管道中的实际痛点而设计。当系统返回错误段落、遗漏已索引的文档、无法提供引用、在良好上下文中仍产生幻觉，或相似度分数在模型切换后崩塌时，它能帮你定位问题。它也适用于元数据过滤导致结果集为空、答案忽略中间上下文事实、后续问题检索错误，以及索引PDF、扫描页面、表格、代码、转录等复杂场景。此外，还涵盖GDPR擦除、租户隔离、从索引文档注入提示词，以及每次查询成本或p95延迟需要降低的情况。
使用时，你只需描述当前RAG管道的配置（如向量库、嵌入模型、分块大小、重排序器）以及遇到的问题，AI会分析并给出调优建议。它可以指导你进行分块策略调整、嵌入模型选择、混合检索比例优化、重排序器配置，以及生成更可靠的答案。它还支持重新索引迁移、语料库新鲜度维护、评估集构建，以及智能体检索和图检索的场景。
适合AI工程师、数据科学家、后端开发者和智能体开发人员，特别是那些正在搭建或维护RAG系统、需要快速诊断和优化性能的人。也适合在选型阶段需要对比不同向量库、嵌入模型或分块策略的团队。
注意：本Skill专注于RAG管道的整体设计、调优和调试，不适用于分块内部实现细节（如rag-chunking）、评分标准制定（rag-evaluation）或LangChain API的调用（langchain）。建议与其他针对具体环节的Skill配合使用。
核心特点
不同于仅提供分块或嵌入的单一工具，该Skill覆盖从分块、嵌入、混合检索、重排序到生成答案的全链路调优，并处理生产环境中的实际问题如GDPR合规、租户隔离、成本优化和延迟降低，还能诊断模型切换后相似度分数崩塌等复杂故障。
注意事项
不适用于纯分块内部实现、评估标准制定或LangChain API调用等细分场景。
常见问题
RAG管道出现幻觉怎么办？
先检查检索到的上下文是否相关，再尝试调整分块大小、嵌入模型或重排序策略，本Skill可提供具体调优建议。
如何选择合适的分块大小？
取决于文档类型和任务，本Skill会分析你的数据特点，推荐分块策略并给出理由。