Agent Skills Hub

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。

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。

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。

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。

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。

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。

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。

basic-usage

llmemory 文档存储与搜索入门：涵盖安装、pgvector 数据库配置、文档导入、混合/语义检索，以及构建具备多租户支持的 RAG 系统。

mcp-research

使用 MCP 工具获取最新的技术资讯，针对函数库、API、SDK 及技术生态系统提供经过验证的指导。

memory-systems

指导代理人记忆系统的实现，比较主流框架（Mem0、Zep、Letta、LangMem、Cognee），并设计用于跨会话知识保留的持久化架构。

search

使用 Tavily 的 LLM 优化搜索 API 进行网络搜索，无需编写代码即可获取带有引用来源的精准内容。

jina-cli

专为 AI Agent 设计的网页阅读与搜索工具，通过 Jina AI Reader API 将网页转换为适合 LLM 阅读的 Markdown、文本或 HTML 格式。