Agent Skills Hub

rag-implementation

使用向量数据库、语义搜索与 LangGraph 构建生产级 RAG 系统，为 LLM 提供外部知识基础。

backend-rag-implementation

构建 RAG 系统以利用私有数据增强 LLM。包含向量数据库集成、嵌入策略、混合搜索及 FastAPI 后端的高级检索模式。

llm-integration

一套用于构建稳健 LLM 集成的工具包：包含 API 模式、流式传输、函数调用、RAG 流水线及具成本效益的模型路由。

rag-engineer

架构与优化生产级别的 RAG 系统。精通嵌入模型、向量数据库、分块策略及检索管线，提升 LLM 应用的精确度。

claude-rag-skills

一套专业工具集，用于在 Claude Code 环境中审核、评估、切分文档及构建生产级 RAG 管线。

maestro

智能 RAG 知识网关，将编程任务路由至专业的 Swift/iOS 领域知识。通过 MCP 从 100 多种索引技能中提取精准模式，优化开发上下文使用率。

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。

clarity-gate

通过预注入验证强化 RAG 系统的认知质量，确保文档在进入知识库前皆经过严格定义与结构化校对。

archon

Archon 交互式集成工具，提供知识库与项目管理功能。支持 RAG 语义搜索、网站抓取、文档版本控制以及通过 REST API 进行层级化任务管理。

claude-starter

一个 AI 驱动的技能，可针对复杂的编程任务，自动从 RAG 知识库中检索相关的项目上下文。

ragcode-sse

通过 SSE 协议直接连接 RagCode MCP，无需繁琐的配置文件或二进制文件依赖。

qras

基于 Qdrant 和 Ollama 的本地 RAG 语义记忆系统。适用于高效检索工作区文件、笔记、决策记录与用户偏好，提供精确的向量语义搜索。