用途：这是一个 AI/ML 工作流技能包，面向构建 LLM 应用、实现 RAG（检索增强生成）、创建 AI 智能体、开发机器学习流水线以及为应用添加 AI 功能。适用于需要按阶段编排多项技能的 AI 生产开发场景。
主要能力与阶段：
- AI 应用设计：调用 ai-product、ai-engineer、ai-agents-architect、llm-app-patterns，用于定义用例、选型模型、设计架构与数据流、确定成功指标。
- LLM 集成：llm-application-dev-ai-assistant、llm-application-dev-langchain-agent、llm-application-dev-prompt-optimize、gemini-api-dev，涉及供应商选择、API 接入、提示模板、模型参数、流式与错误处理。
- RAG 实现：rag-engineer、rag-implementation、embedding-strategies、vector-database-engineer、similarity-search-patterns、hybrid-search-implementation，覆盖数据管道、嵌入选型、向量库、分块、检索、重排与缓存。
- 智能体开发：autonomous-agents、autonomous-agent-patterns、crewai、langgraph、multi-agent-patterns、computer-use-agents。
- ML 流水线：ml-engineer、mlops-engineer、machine-learning-ops-ml-pipeline、ml-pipeline-workflow、data-engineer。
- 可观测性：langfuse、manifest、evaluation、llm-evaluation。
- AI 安全：prompt-engineering、security-scanning-security-sast，涉及输入校验、输出过滤、限流、访问控制与审计日志。
使用方式：通过 @技能名 形式的提示调用对应技能，例如 @ai-product、@rag-engineer、@crewai、@langgraph、@ml-engineer、@langfuse。仅选择所需阶段；该工作流本身不授权委托、托管调用、部署、后台任务或外部消息发送，实施前应阅读实际选中的技能与可用工具 schema。
适用场景：LLM 应用开发、RAG 系统、AI 智能体、ML 流水线、AI 功能集成与可观测性设置。
限制：仅当任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。未提供的具体命令、依赖清单或环境要求暂未提供。