Agent Skills Hub

AgentDB Vector Search

為 AI 代理提供的高效能向量搜尋引擎，具備毫秒級檢索、HNSW 索引與量化技術，適用於 RAG 系統、相似度匹配與知識庫管理。

claude-rag-skills

一套專業工具集，用於在 Claude Code 環境中審核、評估、切分文件及構建生產級 RAG 管線。

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。

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。

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。

simplemem-skill

為 AI 代理提供持久的語義長期記憶。透過語義壓縮，跨對話儲存、查詢並檢索對話記錄、決策與多模態上下文。

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。

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。

langchain-architecture

使用 LangChain 1.x 與 LangGraph 架構生產級 LLM 應用程式。實現狀態化 AI 代理、多步驟工作流程，並為複雜的對話與自動化任務建構自訂記憶系統。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量後端實作 ReasoningBank 自適應學習。具備軌跡追蹤、判斷評估、記憶蒸餾與模式識別功能，適用於構建自我學習的自主智能體。