RAG
专为设计、调优和调试RAG（检索增强生成）管道而生的技能。
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：专为设计、调优和调试RAG（检索增强生成）管道而生的技能。 详细介绍见：https://321skill.com/skills/rag-x-2/ 请根据该页面的说明完成安装。
使用示例
‘我的RAG系统在索引了一批新PDF后，回答开始忽略文档中间部分的关键事实，导致答案不完整，如何排查？’ 它会引导你检查分块是否切断了语义连贯性，评估嵌入模型对专业术语的捕捉能力，并建议引入句子窗口检索或调整重排序策略来确保中段信息不被遗漏。
介绍
当你的AI系统检索到错误段落、遗漏已索引文档、无法提供引用或在良好上下文中产生幻觉时，这个技能能提供专业解决方案。它覆盖了从文档分块、嵌入模型选择、混合检索、重排序到生成有据可依答案的全流程，帮助你精准定位并修复RAG管道中的各种“疑难杂症”。
你可以用它来解决具体问题，例如：在更换嵌入模型后相似度分数骤降、元数据过滤器导致结果集为空、答案忽略上下文中间的关键事实、后续问题检索到无关内容等。它也能指导你在索引PDF、扫描页、表格、代码或转录文本时做出正确选择，并应对GDPR数据擦除、租户隔离或索引文档中的提示词注入等安全与合规挑战。
此技能特别适合负责构建或维护RAG系统的开发者、算法工程师和AI应用架构师。无论是面临性能瓶颈（如p95延迟过高、单次查询成本需降低），还是需要处理复杂的检索逻辑（如智能体检索、图检索），它都能提供专业的调试和优化思路。
使用建议：专注于RAG管道整体的设计与调优，而非底层分块器内部实现、评分细则或特定框架（如LangChain）的API使用。对于后者，建议查阅对应的专项技能。
核心特点
专注于RAG管道的端到端工程实践与疑难问题调试，而非单一组件（如分块或评估）或特定框架的API使用；提供了从向量库选择、嵌入模型调换到混合检索、重排序等全链路的针对性解决方案，尤其擅长诊断和修复因配置变更（如模型替换、过滤器应用）引发的检索性能崩溃问题。
注意事项
不适用于RAG分块器内部实现细节、评估打分标准制定或LangChain等特定框架的API使用问题。
常见问题
我的RAG系统总是返回不相关的段落，怎么办？
可以检查分块策略、嵌入模型匹配度，并尝试引入混合检索或重排序器来优化相关性。
更换嵌入模型后，检索质量下降了，如何调试？
此技能可帮助分析相似度分数分布变化，并指导进行嵌入空间对齐或重新索引迁移。