用途：为 LLM 提供检索增强生成（RAG）的检索设计指导，涵盖分块、BM25+向量混合检索、重排序、GraphRAG 等，适用于为 SQLite FTS5 搜索添加嵌入或运行检索评估。
主要能力：先确定权威来源与新鲜度预算，再选择检索模式；建立词法基线与黄金评估集，用 scripts/retrieval_eval.py 测 recall@k、MRR、nDCG；scripts/exact_search_baseline.py 做精确向量基线；scripts/hybrid_rrf_demo.py 做 BM25+向量+RRF 冒烟测试；scripts/check_citation_support.py 校验证据 ID。检索腿包括语义、词法（BM25+精确匹配）、关系（图遍历）、结构化（SQL/注册表）；输出模式为返回带引用证据、计算结果或合成答案。
使用方式：先跑检索模式决策，写语料契约（元数据、租户/ACL、来源、新鲜度、删除传播），再建词法基线与黄金评估；按测得的失败只加一层（混合检索、重排序或查询改写）。ACL 必须在候选生成阶段（融合前、重排序前）过滤。检索评估与答案评估分开。
适用场景：混合词法+语义查询、高召回、可控延迟；小语料可考虑长上下文或托管文件搜索；数据在 SQL/CRM/工单/SaaS API 时优先工具或 MCP 检索；需要连接、计数、关系遍历时用 SQL/图检索。
限制：本技能只负责检索理论与评估概念，不含可直接粘贴的 SQL、pgvector 资产与摄取脚本（见 ai-vector-brain）；生成提示结构见 ai-prompt-engineering；产品搜索、笔记检索、智能体编排等各有对应技能。托管检索的 ACL、驻留、新鲜度与删除语义需自行确认。排名、价格与基准声明若无法实时浏览则未经验证。