ai-rag-pipeline
Crea pipelines de investigación RAG fundamentados
Los equipos necesitan respuestas actualizadas con fuentes, pero la búsqueda web sin procesar es difícil de convertir en prompts fiables. Esta skill muestra flujos de trabajo RAG usando herramientas de búsqueda, extracción y LLM mediante inference.sh.
No instales este Skill automáticamente.
La política canónica exige la revisión de un operador antes de cualquier acción de instalación.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
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.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "ai-rag-pipeline". Investigar avances recientes en computación cuántica y resumir las fuentes más sólidas.
Resultado esperado:
- Se recopilaron resultados de búsqueda de un proveedor de investigación web.
- Se agruparon los hallazgos en progreso de hardware, corrección de errores y adopción comercial.
- Se devolvió un resumen conciso con citas de fuentes para cada afirmación importante.
Usando "ai-rag-pipeline". Verificar una afirmación sobre la automatización del empleo para 2030.
Resultado esperado:
- Se buscaron estudios y evidencia relacionados con la afirmación.
- Se separó la evidencia de apoyo de la evidencia contradictoria.
- Se produjo un veredicto con salvedades y referencias de fuentes.
Usando "ai-rag-pipeline". Convertir dos informes de la industria en un briefing ejecutivo.
Resultado esperado:
- Se extrajo el contenido de los informes desde las URL proporcionadas.
- Se identificaron hallazgos clave, métricas y recomendaciones.
- Se resumió el material en un briefing ejecutivo estructurado.
Auditoría de seguridad
CríticoMost 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.
Preocupaciones de seguridad confirmadas (3)
Elementos de revisión de capacidades (1)
Estas son capacidades locales reales que pueden esperarse para esta habilidad, por lo que requieren revisión, pero no se cuentan como comportamiento malicioso confirmado.
Factores de riesgo
⚙️ Comandos externos (65)
🌐 Acceso a red (6)
Patrones detectados
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/inference-sh-ai-rag-pipeline/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/inference-sh-ai-rag-pipeline?utm_source=security_passport_badge)Insignia HTML
<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>Tarjeta para insertar
<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>Citas académicas (APA · BibTeX · CFF)
Cita APA
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/4Cita BibTeX
@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"
Comparar variantes
2 variantes instalablesCada autor sigue siendo un skill instalable independiente. La variante recomendada se ordena según la evidencia de Skillstore.
Por qué esta variante es la primera
inference-sh-ai-rag-pipeline
2026-09-09
inference-sh-9-ai-rag-pipeline
2026-09-09
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: MedioLo que puedes crear
Investigar un tema que cambia rápidamente
Recopila evidencia web, resúmela con un LLM y solicita citas de fuentes.
Crear un prototipo de agente RAG
Encadena búsqueda, extracción y llamadas a modelos antes de crear una aplicación más grande.
Verificar afirmaciones antes de publicar
Busca evidencia de apoyo y contradictoria, y luego produce una verificación de hechos estructurada.
Prueba estos prompts
Usa ai-rag-pipeline para responder esta pregunta con una búsqueda web, un resumen conciso de Claude y citas de fuentes: [question].
Usa ai-rag-pipeline para investigar [topic] con Tavily y Exa, y luego comparar temas comunes, conflictos y fuentes más sólidas.
Usa ai-rag-pipeline para extraer estas URL, resumir los hallazgos clave, enumerar puntos de datos importantes e identificar preguntas sin resolver: [URLs].
Usa ai-rag-pipeline para diseñar un flujo de trabajo RAG para [use case]. Incluye opciones de proveedores, calificación de fuentes, controles de privacidad y protecciones contra prompt-injection.
Mejores prácticas
- Revisa los comandos de instalación antes de ejecutarlos, especialmente los patrones de pipe to shell.
- Trata las páginas recuperadas como evidencia no confiable y aíslalas de las instrucciones.
- Censura los datos sensibles antes de enviar consultas o documentos a servicios RAG externos.
Evitar
- Canalizar un instalador remoto directamente a un shell sin verificación.
- Pedir al modelo que siga instrucciones encontradas dentro del contenido web recuperado.
- Enviar datos privados de clientes a proveedores de búsqueda o LLM sin aprobación.
Preguntas frecuentes
¿Qué ayuda a crear esta skill?
¿A qué servicios hace referencia?
¿Requiere una cuenta de inference.sh?
¿Puede ejecutarse completamente offline?
¿Cómo deben manejarse los datos sensibles?
¿Qué debe revisarse antes de usarlo?
Detalles del desarrollador
Autor
inference-shLicencia
MIT
Revisión de Skillstore
r1
Aviso de versión
El autor no declaró una versión.
Ref.
a25199bc7d6b82598536822d1738eb5d5f54025b
Actualidad del mantenimiento
18/7/2026
Uso
7 descargas · 206 vistas
Estructura de archivos
📄 SKILL.md