Costruisci sistemi RAG (Retrieval-Augmented Generation) per applicazioni LLM con database vettoriali e ricerca semantica. Da utilizzare durante l'implementazione dell'intelligenza artificiale basata sulla conoscenza, la creazione di sistemi di domande e risposte sui documenti o l'integrazione di LLM con basi di conoscenza esterne.
Installa rapidamente la skill AI rag-implementation nel tuo ambiente di sviluppo tramite riga di comando
Fonte: nilecui/skillsbase.
Master Retrieval-Augmented Generation (RAG) to build LLM applications that provide accurate, grounded responses using external knowledge sources.
Vector Databases Purpose: Store and retrieve document embeddings efficiently
Embeddings Purpose: Convert text to numerical vectors for similarity search
Costruisci sistemi RAG (Retrieval-Augmented Generation) per applicazioni LLM con database vettoriali e ricerca semantica. Da utilizzare durante l'implementazione dell'intelligenza artificiale basata sulla conoscenza, la creazione di sistemi di domande e risposte sui documenti o l'integrazione di LLM con basi di conoscenza esterne. Fonte: nilecui/skillsbase.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/nilecui/skillsbase --skill rag-implementationCostruisci sistemi RAG (Retrieval-Augmented Generation) per applicazioni LLM con database vettoriali e ricerca semantica. Da utilizzare durante l'implementazione dell'intelligenza artificiale basata sulla conoscenza, la creazione di sistemi di domande e risposte sui documenti o l'integrazione di LLM con basi di conoscenza esterne. Fonte: nilecui/skillsbase.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/nilecui/skillsbase --skill rag-implementation Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/nilecui/skillsbase