SKILL
rag-pipeline-setup
构建生产级检索增强生成(RAG)流水线,集成高级检索策略、重排序、混合搜索及评估功能
原作者:SlidingWindowLabs
来源:DeepSkill Market
许可:未标注
含内容副本 · 可下载
存档:v1 · 2026-11-14
hash 0e89ee3c
共 407872 条已上架资产
构建生产级检索增强生成(RAG)流水线,集成高级检索策略、重排序、混合搜索及评估功能
使用 FastAPI 构建高性能的 AI/ML 模型推理 REST API
指导如何使用vLLM进行各种类型的基准测试,包括延迟、吞吐量、多模态处理、服务性能和参数扫描等测试方法
将产品使用成本(即使是高昂的LLM成本)视为营销费用
用于在不同大语言模型(LLM)之间分配开发任务,或估算多智能体工作的成本
在大型语言模型时代高效写作:规避常见的机器生成文本模式,同时将AI作为写作工具加以善用
如何编写一个AI智能体能够真正遵循的技能文件——结构、决策规则、命名反模式、代码契约、时效性与测试
生成包含多种模式的 LangGraph 代理模板代码
简洁、高信息密度的 LLM 回复风格指南
使用 OpenRouter 和 Aider 构建多模型 AI 编排器
开发博客文章将按照2026年全球标准结构进行撰写
帮助 Codex/LLM 查询、分析并安全修改 BIOS 或 UEFI 固件镜像
构建 AI/大语言模型(LLM)功能与智能体:提示工程、MCP 服务器、检索增强生成(RAG)以及智能体/图编排
指导使用 @zhin
如何从运行在 ROCm 上的 vLLM 服务器捕获一个非空、稳态、大小受限的 Torch 性能分析文件
应用
通过结构化的多阶段工作流引导用户设计智能体技能
你是 vLLM Ascend 项目(vllm-project/vllm-ascend)的版本发布说明撰写者,负责为 vLLM Ascend 编写发布说明
使用 TMAS AI 扫描器扫描 LLM 端点,检测提示注入漏洞
为多个品牌构建自动化有机社交媒体发布流程