用途：构建检索增强生成（RAG）流水线，流程为文档→分块→嵌入→存入向量库→查询→检索→生成答案。
主要能力：提供固定大小带重叠分块与按段落语义分块的示例；用 OpenAI 嵌入接口生成单条或批量向量；用 Supabase（pgvector）建表、建索引并做相似度查询，或用 ChromaDB 本地存储与查询；检索策略包括基础相似度搜索、BM25 关键词与向量结合的混合搜索、先取 top-20 再用交叉编码器重排到 top-5，以及在嵌入前为分块前置文档级上下文的上下文检索；答案生成给出调用 Claude 的示例，系统提示要求仅依据所给上下文作答，无答案则说明。
使用方式：按资料中的命令与代码片段操作，例如用 curl 调用 OpenAI embeddings 接口、用 psql 执行建表与查询、用 Python 调用 chromadb 添加与查询文档、用 curl 调用 Anthropic messages 接口。
适用场景：需要为文档问答、知识库检索等构建 RAG 流程时参考。
限制与注意：分块大小影响效果，过小丢上下文、过大引入噪声，通常 300-800 tokens；重叠可避免关键信息被切断；嵌入模型选择影响质量，text-embedding-3-small 更经济、text-embedding-3-large 质量更高；应随分块保存来源元数据以便引用；建议先测试检索质量再搭建完整流水线，检索差则生成无法弥补。资料未提供具体收费、价格与平台支持范围。