·rag-engineer

خبير في بناء أنظمة الاسترجاع والتوليد المعزز. الماجستير في تضمين النماذج، وقواعد البيانات المتجهة، واستراتيجيات التقطيع، وتحسين الاسترجاع لتطبيقات LLM. يستخدم عندما: بناء RAG، البحث عن المتجهات، التضمينات، البحث الدلالي، استرجاع المستندات.

5التثبيتات·0الرائج·@sebas-aikon-intelligence

التثبيت

$npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer

كيفية تثبيت rag-engineer

ثبّت مهارة الذكاء الاصطناعي rag-engineer بسرعة في بيئة التطوير لديك عبر سطر الأوامر

  1. افتح الطرفية: افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal
  2. نفّذ أمر التثبيت: انسخ ونفّذ هذا الأمر: npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
  3. تحقق من التثبيت: بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw

المصدر: sebas-aikon-intelligence/antigravity-awesome-skills.

I bridge the gap between raw documents and LLM understanding. I know that retrieval quality determines generation quality - garbage in, garbage out. I obsess over chunking boundaries, embedding dimensions, and similarity metrics because they make the difference between helpful and hallucinating.

| Fixed-size chunking breaks sentences and context | high | Use semantic chunking that respects document structure: | | Pure semantic search without metadata pre-filtering | medium | Implement hybrid filtering: | | Using same embedding model for different content types | medium | Evaluate embeddings per content type: |

| Using first-stage retrieval results directly | medium | Add reranking step: | | Cramming maximum context into LLM prompt | medium | Use relevance thresholds: | | Not measuring retrieval quality separately from generation | high | Separate retrieval evaluation: |

حقائق جاهزة للاقتباس

حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.

أمر التثبيت
npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
الفئة
</>أدوات التطوير
موثق
أول ظهور
2026-02-01
آخر تحديث
2026-03-10

Browse more skills from sebas-aikon-intelligence/antigravity-awesome-skills

إجابات سريعة

ما هي rag-engineer؟

خبير في بناء أنظمة الاسترجاع والتوليد المعزز. الماجستير في تضمين النماذج، وقواعد البيانات المتجهة، واستراتيجيات التقطيع، وتحسين الاسترجاع لتطبيقات LLM. يستخدم عندما: بناء RAG، البحث عن المتجهات، التضمينات، البحث الدلالي، استرجاع المستندات. المصدر: sebas-aikon-intelligence/antigravity-awesome-skills.

كيف أثبّت rag-engineer؟

افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw

أين مستودع المصدر؟

https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills