RAG Implementation 是由 peterbamuhigire/chwezi-dev-engine 共享的实现型技能,专注于生产级 RAG 管道的落地与升级,而非 RAG 概念入门。若读者仍需 RAG 的概念模型,应先去读同仓库的 ai-rag-patterns;本技能不重复推导基础概念。
用途与定位 本技能用于实现或升级生产 RAG 管道,涵盖查询变换、上下文压缩、纠正式检索、RAGAS 评估接入 CI、多租户隔离、成本拆解、失败分流,以及 Anthropic 相关模式。它面向需要具体代码模式、评估门禁和故障模式规则的任务,而不是“什么是 RAG”的概念介绍。
不适用场景 需要 RAG 概念模型时,应先参考 ai-rag-patterns;任务是嵌入生成、分块或向量库比较原语时,应使用 vector-databases;任务是 pgvector DDL 或 Postgres 调优时,应使用 postgresql-patterns;任务是微调嵌入模型或 LLM 时也不适用。
所需输入 在开始前需要:现有或计划中的 RAG 架构(检索器、重排器、生成模型、存储);租户模型(单租户、命名空间、行级);黄金评估集或构建计划;每次查询的成本与延迟预算。
工作流与质量标准 工作流要求先通读 SKILL.md,再按任务需要加载深度参考;按有序决策规则执行,不脱离上下文拆用片段;把检索内容视为不可信输入;把评估回归视为发布阻塞项。质量上要求每次检索调用携带来自认证上下文的已验证 tenant_id(绝不来自查询);每个数值声明必须有来源或省略;当忠实度或上下文精度超过约定阈值回退时 CI 构建失败;通过检索内容实施的提示注入被当作安全问题而非质量问题。
反模式 禁止未压缩、未重排、未做相关性过滤就直接把 top-k 块塞进提示;禁止把 LLM 作为主要租户边界而不是向量库过滤器;禁止在未于自有语料上测量的情况下断言节省成本的百分比;禁止引用 HyDE、Self-RAG 或上下文检索的数字而不注明来源。
输出物 包括:一个或多个管道阶段(变换、检索、压缩、生成、评估)的实现计划或代码变更;带回归阈值的 RAGAS 驱动 CI 门禁;覆盖检索、应用、提示、审计、评估的多租户隔离审查;带命名杠杆的成本拆解。
参考文件 references/progression-and-transforms.md(朴素→高级→模块化及查询变换深度);references/compression-and-corrective.md(上下文压缩与 Self-RAG/纠正模式);references/evaluation-ragas.md(RAGAS 指标、黄金集、CI 门禁);references/multitenant-and-cost.md(租户隔离表与成本杠杆);references/failure-modes.md(故障目录与修复);references/anthropic-patterns.md(上下文检索、提示缓存、Citations API 说明)。
资料未提供官方文档 URL、安装命令、收费价格、支持的平台或具体性能承诺;对价格、平台与效果请以实际情况为准,本技能资料中暂未提供这些事实。