rag-engineer

マーケティングチームには、チャネルを横断して一貫性を保つコンテンツが必要です。このスキルは、ブランドボイスとSEOに合わせてコンテンツを計画、執筆、分析、最適化するのに役立ちます。

一貫性のないプロンプトは時間を浪費し、AIの出力を信頼しにくくします。このスキルは、再利用可能なパターン、例、評価手順、最適化ワークフローを使ってプロンプト設計を支援します。

アーキテクチャ上の意思決定は、Web、モバイル、バックエンド、クラウドシステム全体で比較するのが困難です。このスキルは、レポート、依存関係レビュー、トレードオフ文書化のための構造化されたガイドとローカルのスキャフォールドスクリプトを提供します。

チームには、モダンなWebアプリケーション向けに一貫したセットアップ、アーキテクチャ、レビュー指針が必要です。このスキルは、React、Next.js、Node.js、GraphQL、PostgreSQLプロジェクト向けのスキャフォールダー、ワークフローのリファレンス、品質向上のためのプロンプトを提供します。

目標が曖昧だったり複雑だったりすると、明確なプロンプトを書くのは困難です。このスキルは、実績のあるプロンプトフレームワークを使って、粗い依頼を構造化されたプロンプトに変換します。

プロダクトチームには、機能の順位付け、インタビューの統合、意思決定の文書化をより速く行う方法が必要です。このスキルは、構造化された計画のために、RICEスコアリング、インタビュー分析、PRDテンプレートを提供します。

チームには、RAG やナレッジベース向けに関連性の高いドキュメント検索が必要です。このスキルは、AgentDB のセットアップ、埋め込みの保存、インデックス作成、API 検索、関連性チューニングをガイドします。

チームは、検索システム向けの埋め込みモデル、チャンクサイズ、評価方法の選択に悩むことがよくあります。このスキルは、セマンティック検索とRAGアプリケーションのための実践的なテンプレートと意思決定の指針を提供します。

チームには、ドキュメント、RAGシステム、ナレッジベース向けの高速なセマンティック検索が必要です。このスキルは、AgentDBのセットアップ、検索パターン、チューニングのガイダンスを提供します。

本番環境向けMLシステムでは、一貫して設計、デプロイ、監視を行うことが困難です。このスキルは、MLOps、LLM統合、RAGアーキテクチャ、ローカルワークフローのスキャフォールドを支援します。

大規模なベクトルデータベースは、低速でメモリ消費が大きく、ベンチマークが難しくなることがあります。このスキルは、量子化、HNSW インデックス化、キャッシュ、検証のための構造化された AgentDB 最適化ワークフローを提供します。

分散ベクトル検索には、レプリケーション、メトリクス、監視、デプロイ計画を慎重に扱う必要があります。このスキルは、スケーラブルなハイブリッド検索システム向けに段階的なAgentDBワークフローを提供します。