Agent Skills Hub

backend-rag-implementation

建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。

rag-implementation

使用向量資料庫、語意搜尋與 LangGraph 構建生產級 RAG 系統，為 LLM 提供外部知識基礎。

maestro

智慧型 RAG 知識閘道，將程式碼任務路由至專業的 Swift/iOS 領域知識。透過 MCP 從 100 多種索引技能中擷取精準模式，優化開發情境使用率。

fiftyone-find-duplicates

使用電腦視覺相似度嵌入技術，在 FiftyOne 資料集中尋找、檢視並移除重複或高度相似的圖像。

upstash-vector-db-skills

Upstash Vector DB 設定、語意搜尋、命名空間與向量嵌入模型。專為在 Next.js 16 與 Vercel 專案中建構高效向量搜尋功能而設計。

evaluating-code-models

使用 BigCode Evaluation Harness 評估代碼生成模型。包含 HumanEval、MBPP 和 MultiPL-E 等基準測試，並提供多語言編碼模型的 pass@k 指標評估。

rag-engineer

架構與優化生產級別的 RAG 系統。精通嵌入模型、向量資料庫、分塊策略及檢索管線，提升 LLM 應用的精確度。

qmd

用於 Markdown 筆記、文件和代碼庫知識庫的本地混合搜尋引擎，旨在降低 Token 消耗並提升檢索效率。

qras

基於 Qdrant 和 Ollama 的本地 RAG 語義記憶系統。適用於高效檢索工作區文件、筆記、決策記錄與用戶偏好，提供精確的向量語義搜索。

chromium-docs

搜尋並參考 Chromium 文件，包含設計文件、API 與開發指南。適用於定位、瀏覽或學習 Chromium 程式碼庫中的架構、GPU、網路、安全性與測試概念。

basic-usage

llmemory 文件儲存與搜尋入門：涵蓋安裝、pgvector 資料庫設定、文件導入、混合/語義檢索，以及具備多租戶支援的 RAG 系統建構。

supermemory

Supermemory 是 AI 代理的長期記憶基礎設施，提供持久上下文、用戶畫像及跨多模態知識庫的語義 RAG 搜尋功能。