ai-data-engineering

SKILL.md

Build data infrastructure for AI/ML systems including RAG pipelines, feature stores, and embedding generation. Provides architecture patterns, orchestration workflows, and evaluation metrics for production AI applications.

RAG pipelines have 5 distinct stages. Understanding this architecture is critical for production implementations.

Chunking is the most critical decision for RAG quality. Poor chunking breaks retrieval.

AI/ML システムのデータ パイプライン、機能ストア、埋め込み生成。 RAG パイプライン、ML 機能提供、またはデータ変換を構築するときに使用します。フィーチャー ストア (Feast、Tecton)、埋め込みパイプライン、チャンキング戦略、オーケストレーション (Dagster、Prefect、Airflow)、dbt 変換、データ バージョニング (LakeFS)、実験追跡 (MLflow、W&B) をカバーします。 ソース: ancoleman/ai-design-components。

原文を見る