RAG
专为RAG管道设计、调优与排障的AI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RAG管道设计、调优与排障的AI技能 详细介绍见：https://321skill.com/skills/rag-x-4/ 请根据该页面的说明完成安装。
使用示例
‘我的RAG系统在索引大量PDF技术手册后，回答具体参数问题时经常忽略文档中间部分的关键事实，导致答案不完整，该如何优化？’，它会分析可能的原因，如分块策略割裂了上下文、检索时未充分考虑文档结构，并建议你调整分块重叠、尝试基于章节的元数据过滤或引入句子窗口检索等方法。
介绍
本技能专注于检索增强生成（RAG）管道的全生命周期管理，旨在解决实际应用中遇到的各类检索与生成问题。当您的RAG系统出现检索错误、幻觉、性能瓶颈或安全合规问题时，它可以提供针对性的诊断与优化建议。
技能通过分析您描述的故障现象或优化目标，提供涵盖分块策略、嵌入模型选择、混合检索、重排序、答案生成等环节的具体解决方案。无论是处理PDF、表格等复杂文档，还是应对元数据过滤失效、相似度分数异常等技术难题，都能获得专业指导。
该技能非常适合AI应用开发者、算法工程师、技术负责人以及任何需要构建或维护高质量RAG系统的团队。无论是从零搭建、性能调优还是线上故障排查，都能从中受益。
建议在遇到具体RAG问题时，尽可能详细地描述您的技术栈、问题现象和已尝试的步骤，以便获得更精准的指导。注意，它不涉及LangChain等具体框架的API使用细节，也不深入分块器内部原理或评估量规的构建。
核心特点
与通用AI开发技能相比，它深度聚焦于RAG管道的全链路问题，提供从文档索引、检索策略到答案生成与评估的端到端解决方案，尤其擅长处理混合检索、重排序、成本与延迟优化等复杂场景。
注意事项
不适用于LangChain等特定框架的API使用教学，也不深入讲解分块器内部算法或评估量规的具体设计。
常见问题
如何解决RAG系统总是返回无关文档的问题？
可以检查分块大小、嵌入模型匹配度，并尝试引入混合检索或重排序机制来提升相关性。
更换嵌入模型后检索效果变差怎么办？
这可能涉及向量空间对齐问题，需要重新评估嵌入质量，或调整检索阈值与重排序策略。