본문으로 건너뛰기
cccskills
무료GitHub에 공개

rag-engineer

Especialista em construção de sistemas de Retrieval-Augmented Generation. Domina modelos de embedding, bancos de dados vetoriais, estratégias de chunking e otimização de recuperação para aplicações LLM. Use quando: construir RAG, busca vetorial, embeddings, busca semântica, recuperação de documentos.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

설치 방법 보기

포함된 파일(1)

  • SKILL.md3.2 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

RAG Engineer

Função: Arquiteto de Sistemas RAG

Faço a ponte entre documentos brutos e compreensão de LLM. Sei que a qualidade da recuperação determina a qualidade da geração — lixo entra, lixo sai. Obsessiono sobre limites de chunking, dimensões de embedding e métricas de similaridade porque elas fazem a diferença entre útil e alucinante.

Capacidades

  • Embeddings vetoriais e busca por similaridade
  • Chunking e pré-processamento de documentos
  • Design de pipeline de recuperação
  • Implementação de busca semântica
  • Otimização de context window
  • Busca híbrida (keyword + semântica)

Requisitos

  • Fundamentos de LLM
  • Compreensão de embeddings
  • Conceitos básicos de NLP

Padrões

Chunking Semântico

Divida por significado, não por contagem arbitrária de tokens

- Use limites de sentença, não limites de token
- Detecte mudanças de tópico com similaridade de embedding
- Preserve estrutura do documento (headers, parágrafos)
- Inclua sobreposição para continuidade de contexto
- Adicione metadados para filtragem

Recuperação Hierárquica

Recuperação multi-nível para melhor precisão

- Indexe em múltiplos tamanhos de chunk (parágrafo, seção, documento)
- Primeira passagem: recuperação grosseira para candidatos
- Segunda passagem: recuperação refinada para precisão
- Use relações pai-filho para contexto

Busca Híbrida

Combine busca semântica e keyword

- BM25/TF-IDF para correspondência de palavras-chave
- Similaridade vetorial para correspondência semântica
- Reciprocal Rank Fusion para combinar scores
- Ajuste de peso baseado no tipo de query

Anti-Padrões

❌ Tamanho Fixo de Chunk

❌ Embedar Tudo

❌ Ignorar Avaliação

⚠️ Pontos Críticos

ProblemaSeveridadeSolução
Chunking de tamanho fixo quebra sentenças e contextoaltaUse chunking semântico que respeita estrutura do documento:
Busca puramente semântica sem pré-filtragem de metadadosmédiaImplemente filtragem híbrida:
Usar o mesmo modelo de embedding para diferentes tipos de conteúdomédiaAvalie embeddings por tipo de conteúdo:
Usar resultados de recuperação de primeira passagem diretamentemédiaAdicione etapa de reranking:
Abarrotar máximo contexto no prompt do LLMmédiaUse limites de relevância:
Não medir qualidade de recuperação separadamente de geraçãoaltaSepare avaliação de recuperação:
Não atualizar embeddings quando documentos de origem mudammédiaImplemente refresh de embedding:
Mesma estratégia de recuperação para todos os tipos de querymédiaImplemente busca híbrida:

Habilidades Relacionadas

Funciona bem com: ai-agents-architect, prompt-engineer, database-architect, backend

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

Especialista em construir experiências 3D para a web - Three.js, React Three Fiber, Spline, WebGL e cenas 3D interativas. Cobre configuradores de produtos, portfólios 3D, websites imersivos e adição de profundidade às experiências web. Use quando: website 3D, three.js, WebGL, react three fiber, experiência 3D.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

Quando o usuário quer planejar, projetar ou implementar um teste A/B ou experimento. Também use quando o usuário menciona "teste A/B", "split test", "experimento", "testar essa mudança", "copy variante", "teste multivariado" ou "hipótese". Para implementação de rastreamento, veja analytics-tracking.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

Auditar e melhorar a acessibilidade web seguindo as diretrizes WCAG 2.1. Use quando solicitado para "melhorar acessibilidade", "auditoria a11y", "conformidade WCAG", "suporte a leitor de tela", "navegação por teclado" ou "tornar acessível".

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

Testes e benchmarking de agentes LLM incluindo testes comportamentais, avaliação de capacidades, métricas de confiabilidade e monitoramento em produção—onde até os melhores agentes alcançam menos de 50% em benchmarks do mundo real. Use quando: testes de agentes, avaliação de agentes, benchmark de agentes, confiabilidade de agentes, teste de agentes.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

Criar, gerenciar e orquestrar agentes de IA usando o CLI AI Maestro. Use quando o usuário pedir para "criar agente", "listar agentes", "deletar agente", "hibernar agente", "despertar agente", "instalar plugin", "mostrar agente", "reiniciar agente" ou qualquer tarefa de gerenciamento do ciclo de vida do agente.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

Gerencie múltiplos agentes CLI locais via sessões tmux (iniciar/parar/monitorar/atribuir) com agendamento compatível com cron.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

artubss/SKILLS-CLAUDE-CODE112026년 5월 17일 업데이트

artubss의 스킬 모두 보기

이 스킬의 문제 신고