用途：指导设计并实现检索增强生成（RAG）系统，用自有数据为 LLM 提供上下文，减少幻觉，支持私有、最新或领域知识。
主要能力：覆盖完整 RAG 栈——文档摄取、分块策略、嵌入生成、向量存储、检索优化、上下文注入与响应生成；提供架构设计、摄取流水线实现、检索质量优化三类工作流；包含混合搜索、重排序、多索引、查询改写、上下文压缩、Agentic RAG 等进阶技术，以及基于 Ragas、TruLens、LangSmith 的评估框架。
使用方式：通过自然语言触发，例如“Help me design a RAG pipeline for [use case]”“Which vector database for RAG”“Best chunking strategy for [content type]”“My RAG has poor retrieval quality”“RAG still hallucinating, help fix”“Scale RAG to [X] documents”。资料给出 smart_chunk、transform_query、agentic_rag 等示例函数，仅作示意。
适用场景：文档问答机器人、客户支持系统、企业知识助手等。
限制与注意：需避免分块过大或过小、忽略关键词搜索、检索数量不当、未处理来源冲突、跳过评估监控、源文档变更后未更新嵌入等问题；资料未提供具体安装命令、收费、价格或平台信息。