用途：引导开发者为 AutoRAG-Research 创建自定义检索流水线插件，属于开发辅助技能。
主要流程与能力：
- 脚手架：运行 autorag-research plugin create my_search --type=retrieval，生成 pipeline.py、pyproject.toml、YAML 配置和测试文件。
- 实现：参考 ai_instructions 下的 pipeline_implementer.md、pipeline_test_writer.md、pipeline_architecture_mapper.md 规则，实现两个抽象方法：_retrieve_by_id(query_id, top_k) 和 _retrieve_by_text(query_text, top_k)。两者需返回 list[dict[str, Any]]，包含 doc_id（chunk ID）与 score 键。
- 注意事项：不要自行添加 asyncio.gather、asyncio.Semaphore 等并发控制，基类 run() 已通过 run_with_concurrency_limit() 处理并行，由 max_concurrency 配置控制；每个方法只处理单个查询逻辑。自定义参数需在配置类加字段，经 get_pipeline_kwargs() 传入流水线构造函数，可参考 bm25.py 示例。
- 测试与安装：pip install -e .（或 uv pip install -e .），再执行 autorag-research plugin sync，用 ls configs/pipelines/retrieval/my_search.yaml 验证。
关键文件：BaseRetrievalPipelineConfig（autorag_research/config.py）、BaseRetrievalPipeline（pipelines/retrieval/base.py）、RetrievalPipelineService、plugin_registry.py。可参考的现有实现：bm25.py、vector_search.py、hybrid.py、hyde.py，及对应 YAML 配置。
限制：资料仅说明上述流程与规则，未提供收费、平台或效果信息；具体实现细节需以仓库内文档为准。