RAG
RAG管道设计、调优与调试AI助手
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：RAG管道设计、调优与调试AI助手 详细介绍见：https://321skill.com/skills/rag-x-7/ 请根据该页面的说明完成安装。
使用示例
'我的RAG系统在问答时总是忽略文档中间部分的事实，请帮我分析原因并优化。' 它会检查你的分块重叠大小、相似度排名算法、重排序权重以及上下文窗口截断逻辑，然后建议调整分块策略（如增加重叠token数）或改用混合检索来提升中间位置内容的召回率。
介绍
这个技能专为解决检索增强生成（RAG）管道的各类问题而设计。当你的系统返回了错误的段落、漏掉了已索引的文档、没有引用来源、或是在高质量上下文中仍然产生幻觉时，它可以帮助你定位根因。它同样适用于以下场景：选择向量存储、嵌入模型、分块大小或重排序器时；模型切换后相似度分数突然坍塌；元数据过滤导致结果集为空；答案忽略了中间位置的上下文事实；后续追问检索到了错误的内容；索引PDF、扫描页、表格、代码或转录本时；面对GDPR数据删除、租户隔离或索引文档中的提示注入问题；以及需要降低每次查询成本或p95延迟。
使用方式：你可以直接描述你遇到的RAG问题，它会引导你检查分块策略、嵌入模型、检索方法（如混合检索）、重排序逻辑以及生成环节的接地性。技能覆盖重新索引迁移、语料库新鲜度维护、评估集构建、代理式检索和图形检索等高级主题。例如，当你说“我的RAG系统在问答时总是忽略文档中间部分的事实”，它会分析相似度排名、过滤器设置和上下文窗口，给出调整分块重叠或重排序权重的建议。
适合人群：后端开发、数据分析师、智能体开发者等需要构建或优化RAG管道的技术人员。无论是刚起步搭建原型，还是对线上系统进行性能调优，这个技能都能提供专业的诊断和改进方案。
注意事项：本技能专注于RAG管道整体设计与调试，不适合用于分割器内部实现细节（请参考rag-chunking）、评分细则（请参考rag-evaluation）或LangChain API封装（请参考langchain）。建议先明确你的RAG系统当前遇到的具体问题类型，再向AI描述，以获得更精准的指导。
核心特点
与其他RAG相关技能相比，本技能覆盖从分块、嵌入、混合检索、重排序到接地答案的完整管道，并特别强调调试和优化，而非仅提供单一组件或API封装。
注意事项
不适合需要深入分割器内部实现、评分细则或LangChain API封装的场景。
常见问题
如何选择嵌入模型？
根据你的数据类型（文本、代码、多语言等）、维度要求、延迟和成本，技能会对比推荐合适的模型，并建议调整分块策略来匹配。
检索结果为空怎么办？
检查元数据过滤条件是否过严、索引是否为空、相似度阈值是否过高，以及分块大小是否导致内容被切碎。技能会逐步排查。