·rag-engineer

Esperto nella realizzazione di sistemi di Retrieval-Augmented Generation. Padroneggia modelli di incorporamento, database vettoriali, strategie di suddivisione in blocchi e ottimizzazione del recupero per applicazioni LLM. Utilizzare quando: creazione di RAG, ricerca vettoriale, incorporamenti, ricerca semantica, recupero di documenti.

5Installazioni·0Tendenza·@sebas-aikon-intelligence

Installazione

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

Come installare rag-engineer

Installa rapidamente la skill AI rag-engineer nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
  3. Verifica l'installazione: 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

Fonte: 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: |

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
Categoria
</>Sviluppo
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-10

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

Risposte rapide

Che cos'è rag-engineer?

Esperto nella realizzazione di sistemi di Retrieval-Augmented Generation. Padroneggia modelli di incorporamento, database vettoriali, strategie di suddivisione in blocchi e ottimizzazione del recupero per applicazioni LLM. Utilizzare quando: creazione di RAG, ricerca vettoriale, incorporamenti, ricerca semantica, recupero di documenti. Fonte: sebas-aikon-intelligence/antigravity-awesome-skills.

Come installo rag-engineer?

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/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer 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

Dov'è il repository sorgente?

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