用途：该技能面向构建生产级 LLM 应用，围绕提示工程、RAG 系统与现代 AI 开发模式展开，适合数据工程师将大模型能力接入数据管道与分析场景。
主要能力：包含提示工程模式（系统提示设计、少样本提示、思维链、自一致性）、RAG 系统（文档切分、向量库、混合检索、上下文压缩、父文档检索、自查询检索）、智能体与工具调用（Pydantic 结构化工具、SQL 与计算器工具、AgentExecutor）、结构化输出（PydanticOutputParser）、评估与监控（LangSmith 追踪、忠实度与相关性评估、Prometheus 指标）。
使用方式：以 Python 与 LangChain 为主，示例使用 ChatOpenAI、OpenAIEmbeddings、Chroma、RecursiveCharacterTextSplitter 等组件，通过链式组合构建 RAG 与智能体流程。资料给出快速开始代码、调试清单与单元测试模板，可据此搭建与验证。
适用场景：需要基于私有文档问答、数据分析助手、SQL 生成、工具调用型智能体，以及需要评估与监控 LLM 输出的生产环境。
限制：资料未提供具体收费、价格、平台支持范围与效果保证；示例依赖 OpenAI、Anthropic 等外部 API 与向量数据库，实际可用性取决于相应服务与密钥配置。部分版本号与工具清单为资料所述，未提供官方验证。