该技能用于构建生产可用的检索增强生成（RAG）管道，核心理念是不盲目检索，而是先筛选再送入模型。管道阶段为：文档→分块→嵌入→索引→[查询]→检索→重排序→增强→生成。
分块策略：固定大小适用于日志、转录等统一文档（256–512 tokens，约10%重叠）；语义分块适用于文章、手册、代码，按标题/段落切分；层次分块适用于书籍、wiki 等嵌套内容，用父+子块；句子窗口适用于密集文本问答，取3–5句滑动窗口。规则：始终携带元数据（来源、章节、页码、时间戳）；重叠可避免上下文在边界被切断；块越小精度越高，块越大上下文越完整。
嵌入：同一模型必须同时用于索引和查询，否则检索失效；索引前归一化向量（余弦相似度需单位向量）；更换模型需重新嵌入，旧向量不兼容。常见模型包括 text-embedding-3-small、text-embedding-ada-002、all-MiniLM-L6-v2。
检索：稠密检索（语义，余弦相似度）适合改写匹配；稀疏检索（BM25）适合精确词、名称、编码；混合检索用 RRF（Reciprocal Rank Fusion）组合两者，适合生产环境。候选 Top-K 建议从 K=20 起，再重排到前3–5。查询扩展可先生成2–3个查询变体以提高覆盖。
重排序：不要只信检索顺序，送入 LLM 前先重排。可用 cross-encoder 重排器（如 cross-encoder/ms-marco-MiniLM-L-6-v2），慢但准确；也可用 LLM 重排器对候选项按1–5打分；或用 RRF 组合多次检索，无需重排器。
上下文增强：系统提示中要求仅使用所给上下文，最相关内容放最前（LLM 更关注开头），块内加入来源引用（如 [Source: doc.pdf, p.12]），设置硬性 token 预算（如2000），超出从底部裁剪。
调试清单：检索是否找到正确块（记录重排前 Top-K）；索引与查询是否用同一模型；块是否连贯、无句子中间截断；是否出现幻觉（模型忽略检索上下文，可加接地指令）；延迟哪个阶段最慢（分析分块→嵌入→检索→重排各阶段）。
输出为 RAG 报告，包含阶段、索引块总数、检索候选数、送入 LLM 的块数、各阶段延迟毫秒、失败时的根因。