Modelli di generazione aumentata di recupero per risposte LLM radicate. Da utilizzare durante la creazione di pipeline RAG, la creazione di contesto da documenti recuperati, l'aggiunta di citazioni o l'implementazione della ricerca ibrida.
Installa rapidamente la skill AI rag-retrieval nel tuo ambiente di sviluppo tramite riga di comando
Fonte: yonatangross/orchestkit.
Combine vector search with LLM generation for accurate, grounded responses.
| Top-k | 3-10 documents | | Temperature | 0.1-0.3 (factual) | | Context budget | 4K-8K tokens | | Hybrid ratio | 50/50 semantic/keyword |
retrieval-patterns Keywords: retrieval, context, chunks, relevance Solves:
Modelli di generazione aumentata di recupero per risposte LLM radicate. Da utilizzare durante la creazione di pipeline RAG, la creazione di contesto da documenti recuperati, l'aggiunta di citazioni o l'implementazione della ricerca ibrida. Fonte: yonatangross/orchestkit.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/yonatangross/orchestkit --skill rag-retrievalModelli di generazione aumentata di recupero per risposte LLM radicate. Da utilizzare durante la creazione di pipeline RAG, la creazione di contesto da documenti recuperati, l'aggiunta di citazioni o l'implementazione della ricerca ibrida. Fonte: yonatangross/orchestkit.
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/yonatangross/orchestkit --skill rag-retrieval 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/yonatangross/orchestkit