multimodal-rag

SKILL.md

Build retrieval-augmented generation systems that handle images, text, and mixed content.

| Approach | Pros | Cons | Best For |

| Joint Embedding (CLIP) | Direct comparison | Limited context | Pure image search | | Caption-based | Works with text LLMs | Lossy conversion | Existing text RAG | | Hybrid | Best accuracy | More complex | Production systems |

CLIP, SigLIP 2, modèles Voyage multimodal-3 pour la récupération d'images et de texte, la recherche multimodale et le regroupement de documents multimodaux. À utiliser lors de la création de RAG avec des images, de la mise en œuvre d'une recherche visuelle ou d'une récupération hybride. Source : yonatangross/orchestkit.

Voir l'original