Agent Skills Hub

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。

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。

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。

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。

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。

exa

基於 Exa AI 的神經網絡搜尋與程式碼上下文檢索。適用於技術文件查詢、程式碼範例搜尋、研究報告及企業資訊搜集。

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。

zotero-mcp-code

透過 Python 程式碼執行來高效率地搜尋您的 Zotero 文獻庫。實現全面性的多策略查詢、自動去重與關聯性排序，有效避免內容溢出或系統崩潰。

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。

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。

memory-hygiene

為 Clawdbot 審核、清理與優化向量記憶體。防止 Token 浪費，清除無效垃圾資料，並透過 LanceDB 維護自動化記憶體清潔。