·rag-engineer
</>

rag-engineer

Эксперт в построении систем поиска и дополненной генерации. Мастера встраивания моделей, векторных баз данных, стратегий фрагментации и оптимизации поиска для приложений LLM. Используйте при: построении RAG, векторном поиске, встраиваниях, семантическом поиске, поиске документов.

5Установки·0Тренд·@sebas-aikon-intelligence

Установка

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

Как установить rag-engineer

Быстро установите AI-навык rag-engineer в вашу среду разработки через командную строку

  1. Откройте терминал: Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.)
  2. Выполните команду установки: Скопируйте и выполните эту команду: npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
  3. Проверьте установку: После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw

Источник: 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: |

Факты (для цитирования)

Стабильные поля и команды для ссылок в AI/поиске.

Команда установки
npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer
Категория
</>Разработка
Проверено
Впервые замечено
2026-02-01
Обновлено
2026-03-10

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

Короткие ответы

Что такое rag-engineer?

Эксперт в построении систем поиска и дополненной генерации. Мастера встраивания моделей, векторных баз данных, стратегий фрагментации и оптимизации поиска для приложений LLM. Используйте при: построении RAG, векторном поиске, встраиваниях, семантическом поиске, поиске документов. Источник: sebas-aikon-intelligence/antigravity-awesome-skills.

Как установить rag-engineer?

Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/sebas-aikon-intelligence/antigravity-awesome-skills --skill rag-engineer После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw

Где находится исходный репозиторий?

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

Детали

Категория
</>Разработка
Источник
skills.sh
Впервые замечено
2026-02-01