该技能是一套 RAG（检索增强生成）架构模式库，按七层组织：摄取（源→解析文本）、分块（文本→可检索单元）、嵌入、存储、检索、生成、评估。
主要能力包括：分块决策树，按内容类型选择策略（代码用 AST、Markdown 按标题、版式复杂 PDF 用 Unstructured/Marker、纯文本语义分块约 512 token 且 10% 重叠、对话按消息对、表格按行），超长文档用父子分层分块；混合检索结合密集向量与 BM25，用倒数排名融合（RRF，score = sum(1/(rank_i+60))）；重排序提供交叉编码器（如 ms-marco-MiniLM-L-6-v2，可自托管）、Cohere rerank-3、ColBERT、LLM 重排等选项；生成提示要求逐条标注 [doc_id] 引用、信息不足时明确拒答、不得添加文档外内容；评估给出检索指标（Recall@k>0.8、Precision@k>0.6、MRR>0.7、NDCG@k>0.8）和生成指标（忠实度、答案相关性、引用准确性、p95 延迟）。
使用方式上，资料提供五个实现模式：递归分块摄取、pgvector 嵌入与索引、BM25+密集向量的混合检索、交叉编码器重排序、RAGAS 评估，含 LangChain、sentence-transformers、RAGAS 等代码。示例命令与代码保持原样。
限制与注意事项：资料中的向量库性能数字为近似值，依赖维度与硬件；文档列出的常见错误包括无拒答指令导致幻觉、检索到无关块仍被使用、演示与生产语料不一致需重新嵌入、纯密集检索漏掉精确词、检索过慢、重排候选过多等，并给出相应修复方向。具体部署参数与收费信息暂未提供。