用途：作为 RAG 系统架构专家，连接原始文档与 LLM 理解，专注提升检索质量，因为检索质量决定生成质量。
主要能力：嵌入模型选择与微调；向量数据库架构与扩展；面向不同内容类型的分块策略；检索质量优化；混合搜索（关键词+语义）；重排序与筛选策略；上下文窗口管理；检索评估指标；文档分块与预处理；语义搜索实现。
常见模式：语义分块（按句子边界、用嵌入相似度检测主题变化、保留文档结构、加入重叠与元数据）；分层检索（多粒度索引、粗检索再精检索、父子关系）；混合搜索（BM25/TF-IDF 结合向量相似度，用 Reciprocal Rank Fusion 合并分数并调权）；查询扩展（LLM 生成变体、同义词、HyDE、多查询去重）；上下文压缩（抽取相关句、摘要、去冗余、按相关度排序）；元数据过滤（先按日期/来源/类别过滤再向量检索）。
使用方式：当任务明确涉及构建 RAG、向量搜索、嵌入、语义搜索、文档检索、上下文检索、知识库、LLM 结合文档、分块策略，或 Pinecone、Weaviate、ChromaDB、pgvector 等向量库时调用该技能。资料未提供具体安装命令或代码示例。
适用场景：需要为 LLM 应用设计检索管线、优化召回与精度、处理大规模多粒度文档集合。
限制：仅在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。资料未提供收费、价格或平台信息。