高级 RAG 知识管理引擎
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-crp2akyc/advanced-rag-kb。
技能介绍
你要解决什么问题
很多团队已经把文档丢进向量库,却仍然在召回跑偏、上下文塞爆和答不出处之间来回折腾:分块拍脑袋、BM25 和向量权重各说各话、多轮对话忘记昨天问过什么。高级 RAG 知识管理引擎扮演的是企业级 RAG 架构师——它不替你跑嵌入或建库,而是根据你描述的知识源,输出可落地的画像、策略和链路设计,把「能检索」推进到检索得准、省、可追溯。
技能如何工作
流程从知识源分析与建模开始:按源类型、内容密度、语言特征、体量与更新频率等维度画「知识源画像」,标出风险与特殊处理需求。接着进入智能分块策略推荐,在固定长度、语义、滑动窗口、层级、递归、HyDE 等六种策略里选主备方案,并说明 chunk_size、overlap 与是否组合(例如 Markdown 文档常用的层级分块 + 固定长度精细化)。
检索链设计覆盖查询重写、混合检索(BM25 + 向量与 RRF/加权)、重排序(如 BGE-Reranker)、上下文压缩与信源追溯(页码/行号、冲突检测)。若场景需要多轮客服或个性化问答,还会给出分层记忆(工作/短期/长期/程序记忆)的写入与检索策略,以及缓存、分层检索、裁剪上下文等成本优化建议。
适用边界与注意点
本 Skill 只做架构与策略推荐,不执行向量嵌入、数据库部署,也不调用外部 API 或读取本地文件。输入若是真实文档内容,需注意脱敏;涉及 GDPR/HIPAA 等合规数据时,技能会提示先做分类分级。实际参数与生产权限、加密配置仍需你在环境中验证和落实。
使用场景
- React 组件库约 200 篇中英混合 Markdown,需设计层级分块与 BM25/向量权重供开发者查 API
- 在线客服含 500 条 FAQ 与 PDF 手册,需多轮对话记忆与 HyDE/语义分块组合的检索方案
- 法律或学术高密度 PDF 知识库,需选型语义分块、重排序与带来源页码的可追溯检索链
- 流式或周期性更新的内部文档源,需增量索引、滑动窗口分块与缓存降本的架构建议
适合人员
- 负责把技术文档接入向量库的后端工程师,需要可解释的 chunk 参数与混合检索权重依据
- 搭建客服/内部问答 Bot 的 AI 应用开发,要强调查询改写、多轮记忆与用户隐私不入库边界
- 数据平台或搜索架构师,要在选型 Qdrant/Milvus 等库时对齐分块策略与兼容性约束
- 合规敏感行业(金融/医疗)的知识库 owner,需要分块与检索方案同时看到 GDPR/HIPAA 风险提示