用途：当需要让 AI 基于私有数据、文档、政策或时效性信息回答问题，并涉及 RAG 架构、分块策略、混合检索、重排序、向量数据库、评估、Agentic RAG、多模态 RAG 时使用。任务需要可复用的判断、领域约束或成熟工作流，而非临时建议。
主要能力：提供 RAG 与微调的对比决策（默认先 RAG，仅在语气或术语无法满足时微调）；知识库小于约 200K tokens 时直接放入上下文，超过则用 RAG；数据频繁变化、私有或需要来源引用时用 RAG。参考文件 references/skill-deep-dive.md 覆盖流水线架构、分块、嵌入模型选择、向量数据库选择、检索算法、重排序、完整查询算法、多轮查询改写、多租户 schema、评估框架、生产模式、Agentic RAG、多模态 RAG、边界情况与成本优化；references/production-rag.md 覆盖成熟度模型、HyDE/多查询/退步提问、上下文压缩、Self-RAG、RAGAS 四指标与生产阈值、嵌入流水线、成本管理决策树、失败模式手册与上线门禁。
使用方式：先读 SKILL.md，再按需加载引用的深入文件；按有序指导、检查清单和决策规则执行，不要只挑片段；产出时明确假设、风险与后续工作。需先收集项目上下文、约束与具体问题，并确认交付物类型（设计、代码、评审、迁移计划、审计或文档）。
适用场景：私有数据问答、文档与政策检索、时效信息、需要来源引用、多租户 SaaS 中的 RAG（生产答案指向 ai-rag-multi-tenant）。
限制：与 ai-rag-patterns 无关或更适合其他专用技能的任务不应使用；只需简单回答且本技能约束无实质帮助时不应使用。不要默认加载全部参考文件，应渐进式披露；不要把示例当作可直接复制的真理。多租户场景需结合 ai-rag-multi-tenant、ai-tenant-isolation-patterns 等交叉引用。