用途：为构建生产级RAG系统提供可组合的模式与规则。规则按类别组织在rules/目录中按需加载，共9类30条：核心RAG（基础检索、引用、混合搜索、上下文管理、流水线组合）、嵌入（模型与API、分块、缓存与批处理优化）、上下文检索（上下文前置、BM25+向量混合、完整流水线）、HyDE（假设文档生成、按概念并行、超时回退）、智能体RAG（Self-RAG、CRAG、知识图谱、自适应路由）、多模态RAG、查询分解、重排序、PGVector。
主要能力与关键取值：混合搜索用RRF融合，k=60，抓取倍率默认3倍；混合权重约40% BM25/60%向量；分块256-1024 token（典型512）；top-k取3-10篇；温度0.1-0.3；上下文预算4K-8K token；重排序先取50再重排到10；向量索引生产用HNSW，大批量用IVFFlat；HyDE超时2-3秒后回退到直接嵌入。元数据加权在RRF融合之后施加。
使用方式：以规则文件为参考实现检索流水线，示例为Python异步函数式伪代码：向量库检索、拼接上下文并提示模型仅依据上下文作答并内联引用。延迟断言为端到端p95低于500毫秒，且按阶段分别断言（向量检索<100ms、关键词检索<50ms、融合混合<150ms）。
适用场景：文档问答、多概念查询、图文混合检索、需要自纠错的检索流程、PostgreSQL生产级混合搜索。
限制：该技能未设定通过率、精确率、召回率或MRR的固定门槛，test-cases.json中30条用例可用于建立基线；融合权重、重排深度与混合alpha属于语料相关参数，跨项目不可直接套用。上游厂商文档（pgvector、PostgreSQL全文检索、RRF机制、嵌入API等）不在此复述。模型选型、费用与具体环境表现暂未提供。