ai-rag-pipeline
Fundierte RAG-Forschungspipelines erstellen
Teams benötigen aktuelle Antworten mit Quellen, aber rohe Websuche lässt sich nur schwer in zuverlässige Prompts umwandeln. Dieser Skill zeigt RAG-Workflows mit Suche, Extraktion und LLM-Tools über inference.sh.
Diesen Skill nicht automatisch installieren.
Die maßgebliche Richtlinie verlangt vor jeder Installationsaktion eine Prüfung durch einen Bediener.
Mit meinem Agent installieren
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.
Review the Skillstore skill "ai-rag-pipeline" from https://skillstore.io/skills/inference-sh-ai-rag-pipeline.md and its manifest at https://skillstore.io/api/skills/inference-sh-ai-rag-pipeline/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Agent-lesbare Ressourcen
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
Testen
„ai-rag-pipeline“ wird verwendet. Research recent quantum computing breakthroughs and summarize the strongest sources.
Erwartetes Ergebnis:
- Suchergebnisse von einem Web-Rechercheanbieter gesammelt.
- Erkenntnisse in Hardware-Fortschritt, Fehlerkorrektur und kommerzielle Einführung gruppiert.
- Eine prägnante Zusammenfassung mit Quellenangaben für jede wichtige Behauptung zurückgegeben.
„ai-rag-pipeline“ wird verwendet. Fact-check a claim about job automation by 2030.
Erwartetes Ergebnis:
- Nach Studien und Belegen im Zusammenhang mit der Behauptung gesucht.
- Unterstützende Belege von widersprüchlichen Belegen getrennt.
- Ein Urteil mit Einschränkungen und Quellenverweisen erstellt.
„ai-rag-pipeline“ wird verwendet. Turn two industry reports into an executive brief.
Erwartetes Ergebnis:
- Den Berichtsinhalt aus den bereitgestellten URLs extrahiert.
- Wichtige Erkenntnisse, Kennzahlen und Empfehlungen identifiziert.
- Das Material zu einem strukturierten Executive Brief zusammengefasst.
Sicherheitsaudit
KritischMost static external-command findings are false positives caused by Markdown fences, inline app IDs, or documented Bash examples. The remote installer at SKILL.md:21 is confirmed because it pipes downloaded code into a shell, and semantic review also found third-party data sharing and untrusted retrieval content flowing into LLM prompts.
Bestätigte Sicherheitsbedenken (3)
Elemente der Fähigkeitsprüfung (1)
Dies sind echte lokale Fähigkeiten, die für diese Fähigkeit erwartet werden können; daher müssen sie überprüft werden, werden jedoch nicht als bestätigtes bösartiges Verhalten gezählt.
Risikofaktoren
⚙️ Externe Befehle (65)
🌐 Netzwerkzugriff (6)
Erkannte Muster
Diesen Bericht teilen & zitieren
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
Berichtslink kopieren
https://skillstore.io/skills/inference-sh-ai-rag-pipeline/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown-Badge
[](https://skillstore.io/skills/inference-sh-ai-rag-pipeline?utm_source=security_passport_badge)HTML-Badge
<a href="https://skillstore.io/skills/inference-sh-ai-rag-pipeline?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/inference-sh-ai-rag-pipeline/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Einbettungskarte
<iframe src="https://skillstore.io/embed/skills/inference-sh-ai-rag-pipeline.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Wissenschaftliche Zitate (APA · BibTeX · CFF)
APA-Zitat
inference-sh. (2026). ai-rag-pipeline security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/inference-sh-ai-rag-pipeline/audits/4BibTeX-Zitat
@techreport{inference-sh-inference-sh-ai-rag-pipeline-2026,
author = {inference-sh},
title = {ai-rag-pipeline security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/inference-sh-ai-rag-pipeline/audits/4},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ai-rag-pipeline security audit report (audit version 4)"
version: "unspecified"
type: report
authors:
- name: "inference-sh"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/inference-sh-ai-rag-pipeline/audits/4"
identifiers:
- type: other
value: "skillstore:inference-sh-ai-rag-pipeline:audit:4"
description: "Skillstore immutable audit report identifier"
Varianten vergleichen
2 installierbare VariantenJeder Autor bleibt ein eigener installierbarer Skill. Die empfohlene Variante wird nach Skillstore-Nachweisen bewertet.
Warum diese Variante zuerst steht
inference-sh-ai-rag-pipeline
2026-09-09
inference-sh-9-ai-rag-pipeline
2026-09-09
Skillstore-Score
Warum dieser Score Evidenzvertrauen: MittelWas Sie erstellen können
Ein sich schnell entwickelndes Thema recherchieren
Webbelege sammeln, sie mit einem LLM zusammenfassen und Quellenangaben anfordern.
Einen RAG-Agenten prototypisieren
Suche, Extraktion und Modellaufrufe verketten, bevor eine größere Anwendung gebaut wird.
Behauptungen vor der Veröffentlichung prüfen
Nach unterstützenden und widersprechenden Belegen suchen und anschließend einen strukturierten Faktencheck erstellen.
Diese Prompts ausprobieren
Use ai-rag-pipeline to answer this question with a web search, a concise Claude summary, and source citations: [question].
Use ai-rag-pipeline to research [topic] with Tavily and Exa, then compare common themes, conflicts, and strongest sources.
Use ai-rag-pipeline to extract these URLs, summarize the key findings, list important data points, and identify unresolved questions: [URLs].
Use ai-rag-pipeline to design a RAG workflow for [use case]. Include provider choices, source grading, privacy controls, and prompt-injection safeguards.
Bewährte Praktiken
- Installer-Befehle vor der Ausführung prüfen, insbesondere Pipe-to-Shell-Muster.
- Abgerufene Seiten als nicht vertrauenswürdige Belege behandeln und von Anweisungen isolieren.
- Sensible Daten schwärzen, bevor Abfragen oder Dokumente an externe RAG-Dienste gesendet werden.
Vermeiden
- Einen Remote-Installer ohne Verifizierung direkt in eine Shell pipen.
- Das Modell anweisen, Anweisungen zu befolgen, die in abgerufenen Webinhalten gefunden wurden.
- Private Kundendaten ohne Genehmigung an Such- oder LLM-Anbieter senden.
Häufig gestellte Fragen
Was hilft dieser Skill zu erstellen?
Auf welche Dienste verweist er?
Erfordert er ein inference.sh-Konto?
Kann er vollständig offline ausgeführt werden?
Wie sollten sensible Daten behandelt werden?
Was sollte vor der Nutzung geprüft werden?
Entwicklerdetails
Autor
inference-shLizenz
MIT
Skillstore-Revision
r1
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
a25199bc7d6b82598536822d1738eb5d5f54025b
Aktualität der Wartung
18.7.2026
Nutzung
7 Downloads · 206 Aufrufe
Dateistruktur
📄 SKILL.md