Agent Skills Hub

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。

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。

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。

llm-integration

一套用於建構穩健 LLM 整合的工具包：包含 API 模式、串流、函數調用、RAG 管線及具成本效益的模型路由。

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。

mcp-research

使用 MCP 工具獲取最新的技術資訊，針對函式庫、API、SDK 及技術生態系統提供經過驗證的指導。

memory-systems

指導代理人記憶系統的實作，比較主流框架（Mem0、Zep、Letta、LangMem、Cognee），並設計用於跨會話知識保留的持久化架構。

search

使用 Tavily 的 LLM 優化搜尋 API 進行網路搜尋，無需編寫程式碼即可獲取帶有引用來源的精準內容。

jina-cli

專為 AI Agent 設計的網頁閱讀與搜索工具，透過 Jina AI Reader API 將網頁轉換為適合 LLM 閱讀的 Markdown、文字或 HTML 格式。