multimodal-rag
✓CLIP、SigLIP 2、Voyage multimodal-3 模式，用于图像+文本检索、跨模式搜索和多模式文档分块。在使用图像构建 RAG、实施视觉搜索或混合检索时使用。
SKILL.md
Build retrieval-augmented generation systems that handle images, text, and mixed content.
| Approach | Pros | Cons | Best For |
| Joint Embedding (CLIP) | Direct comparison | Limited context | Pure image search | | Caption-based | Works with text LLMs | Lossy conversion | Existing text RAG | | Hybrid | Best accuracy | More complex | Production systems |
CLIP、SigLIP 2、Voyage multimodal-3 模式，用于图像+文本检索、跨模式搜索和多模式文档分块。在使用图像构建 RAG、实施视觉搜索或混合检索时使用。 来源：yonatangross/orchestkit。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-rag- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-01
- 更新时间
- 2026-02-18
快速解答
什么是 multimodal-rag？
CLIP、SigLIP 2、Voyage multimodal-3 模式，用于图像+文本检索、跨模式搜索和多模式文档分块。在使用图像构建 RAG、实施视觉搜索或混合检索时使用。 来源：yonatangross/orchestkit。
如何安装 multimodal-rag？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-rag 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/yonatangross/orchestkit
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-01