Agent Skills Hub

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量后端实现 ReasoningBank 自适应学习。具备轨迹追踪、判定评估、记忆蒸馏与模式识别功能，适用于构建自我学习的自主智能体。

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。

semantic-compression

积极精简输入内容中的语法结构与冗余文字，在保留核心语义的同时优化 LLM 的 Token 使用效率。

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。

upstash-vector-db-skills

Upstash Vector DB 设置、语义搜索、命名空间与向量嵌入模型。专为在 Next.js 16 与 Vercel 项目中构建高性能向量搜索功能而设计。

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。

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。

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。

fiftyone-find-duplicates

使用计算机视觉相似度嵌入技术，在 FiftyOne 数据集中查找、查看并移除重复或高度相似的图像。

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。

qmd

用于 Markdown 笔记、文档和代码库知识库的本地混合搜索引擎，旨在降低 Token 消耗并提升检索效率。

taide-botrun

高中语文国学考试解题助手，采用上下文工程与检索增强生成架构，提供高准确度、具可解释性的解题服务。