用途：该技能用于设计 LLM 驱动的应用，涵盖检索增强生成（RAG）实现、带工具的 AI 智能体构建、LLMOps 监控搭建，以及在智能体架构之间做选择。
主要能力：一是 RAG 流程架构，分为文档摄取、检索上下文、生成回答三步；文档摄取提供固定长度、语义、递归和文档感知等分块策略，并给出推荐分块配置（chunk_size 512 token、chunk_overlap 50）；嵌入与存储部分列出 Pinecone、Weaviate、ChromaDB、pgvector 等向量数据库的适用场景、规模与特性，以及若干嵌入模型的维度、成本与质量对比。检索策略包括基础语义搜索（semantic_search）、混合搜索（hybrid_search，用 alpha 平衡语义与 BM25 关键词）、多查询检索（multi_query_retrieval）和上下文压缩检索（compressed_retrieval）。生成阶段给出仅依据上下文作答的 RAG 提示模板（含上下文不足时声明无法回答的约束），并要求返回带来源引用的结果。
使用方式：在需要设计 LLM 应用、实现 RAG、构建智能体、搭建 LLMOps 监控或选择智能体架构时调用该技能，按其提供的模式与配置进行实现。资料中出现的函数与配置名（如 semantic_search、hybrid_search、CHUNK_CONFIG）可作为实现参考。
适用场景：面向生产环境的 LLM 应用开发，尤其是知识库问答、需要来源引用的生成式问答等检索增强场景。
限制：资料为模式说明，未提供完整安装命令、依赖版本、部署步骤与端到端示例；收费、价格、平台支持与具体效果暂未提供，向量数据库与嵌入模型的成本数据仅为资料中的单点参考。