用途：该技能面向构建可靠 RAG 系统的场景，解决标准 RAG 盲目信任检索文档导致的不相关、不完整或过时答案问题，通过评估与纠正循环实现自愈式检索。
主要能力：提供文档评分（将文档分为 CORRECT、INCORRECT、AMBIGUOUS）、完整 CRAG 流水线（初始检索、评分、按结果决定使用原文档、改写查询重检索或回退网络搜索、知识精炼、生成答案）、Self-RAG 反思机制（判断是否需要检索、文档相关性、答案是否被支持、有用性评分），以及基于 LangGraph 的状态图实现。
使用方式：资料给出 Python 代码示例，依赖 langchain_openai、langchain_core、langchain_community、langgraph 等库，使用 ChatOpenAI 作为 LLM，TavilySearchResults 作为网络搜索工具。核心流程为检索、评分、路由、生成。
适用场景：高风险应用（医疗、法律、金融）、低质量知识库、面向用户的产品、有合规审计需求的环境。
限制：资料未提供安装命令、收费信息、平台支持范围或具体性能数据；评估阈值与最佳实践为建议性内容，实际效果需自行验证。