用途：提供构建生产级 RAG（检索增强生成）系统的完整模板、分块策略、向量数据库 schema 与检索模式，基于 Vercel AI SDK 5+。适用于构建 RAG 系统、语义搜索、AI 知识库、文档摄取与嵌入生成、向量数据库集成、混合检索（向量+关键词）。
核心流程：文档摄取→分块→嵌入→存储→检索→生成。模板 templates/rag-pipeline.ts 给出完整管线；分块策略含固定大小、语义、递归三种，模板 templates/chunking-strategies.ts；检索模式含简单语义搜索、混合搜索、重排序，模板 templates/retrieval-patterns.ts。
向量数据库：提供 Pinecone、Chroma、pgvector、Weaviate 的 schema 模板（templates/vector-db-schemas/），另支持 Qdrant。嵌入模型支持 OpenAI、Cohere 及自定义。
脚本：./scripts/validate-rag-setup.sh 校验依赖与配置；./scripts/chunk-documents.sh 分块；./scripts/generate-embeddings.sh ./documents/ openai 批量生成嵌入。示例含对话式 RAG、多文档 RAG、智能体 RAG。
优化与限制：分块大小、嵌入模型选择、多查询检索等策略均有说明；资料给出部分模型价格与维度，但实际费用与效果需自行验证。资料未提供安装命令、许可证及平台限制等细节。