rag-engineer
Construa Sistemas RAG Confiáveis
Projetos de RAG frequentemente falham porque a qualidade da recuperação é fraca ou não é medida. Esta skill orienta escolhas de fragmentação, embeddings, busca vetorial, recuperação híbrida, reranking e avaliação.
Instalar com meu Agente
Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.
Review the Skillstore skill "rag-engineer" from https://skillstore.io/skills/sickn33-rag-engineer.md and its manifest at https://skillstore.io/api/skills/sickn33-rag-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.
Recursos legíveis por agentes
Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.
Testar
Usando "rag-engineer". Projete RAG para uma base de conhecimento de suporte com manuais de produto e tickets.
Resultado esperado:
- Fragmentos semânticos recomendados alinhados a títulos e etapas de solução de problemas.
- Filtros de metadados para produto, versão, idioma e tipo de documento.
- Recuperação híbrida com reranking antes de enviar contexto ao modelo.
Usando "rag-engineer". Nossas respostas RAG são plausíveis, mas deixam passar detalhes exatos de políticas.
Resultado esperado:
- Provável problema de recuperação causado por filtragem fraca de metadados ou fragmentos grandes demais.
- Adicione identificadores de seção de política, refaça o ranking dos principais candidatos e avalie a recuperação separadamente.
- Use limiares de relevância para evitar preencher o prompt com correspondências fracas.
Usando "rag-engineer". Avalie se a qualidade da recuperação melhorou após trocar os embeddings.
Resultado esperado:
- Crie um conjunto de consultas com passagens de origem esperadas e casos extremos.
- Meça recall, precisão, impacto do reranker e categorias de falha.
- Compare os resultados por tipo de conteúdo antes de atualizar os embeddings de produção.
Auditoria de segurança
SeguroAll static findings are false positives. The file contains markdown guidance for RAG design, and the flagged backticks are code fences or inline formatting. No prompt injection, exfiltration intent, or executable command behavior was found.
Fatores de risco
⚙️ Comandos externos (7)
Compartilhar e citar este relatório
Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.
Copiar link do relatório
https://skillstore.io/skills/sickn33-rag-engineer/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportBadge Markdown
[](https://skillstore.io/skills/sickn33-rag-engineer?utm_source=security_passport_badge)Badge HTML
<a href="https://skillstore.io/skills/sickn33-rag-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-rag-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Cartão incorporável
<iframe src="https://skillstore.io/embed/skills/sickn33-rag-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citações acadêmicas (APA · BibTeX · CFF)
Citação APA
sickn33. (2026). rag-engineer security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-rag-engineer/audits/4Citação BibTeX
@techreport{sickn33-sickn33-rag-engineer-2026,
author = {sickn33},
title = {rag-engineer security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/sickn33-rag-engineer/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: "rag-engineer security audit report (audit version 4)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-07"
url: "https://skillstore.io/skills/sickn33-rag-engineer/audits/4"
identifiers:
- type: other
value: "skillstore:sickn33-rag-engineer:audit:4"
description: "Skillstore immutable audit report identifier"
Pontuação do Skillstore
Por que esta pontuação Confiança das evidências: AltoO que você pode criar
Planejar um Sistema RAG de Base de Conhecimento
Criar uma arquitetura de recuperação para documentos internos, incluindo fragmentação, metadados, busca híbrida e verificações de qualidade.
Melhorar a Relevância da Busca
Diagnosticar resultados de recuperação fracos e ajustar fragmentação, embeddings, reranking, filtros e limiares de relevância.
Avaliar a Qualidade da Recuperação
Separar a avaliação da recuperação da qualidade da geração para que as equipes possam medir recall, precisão e utilidade do contexto.
Teste estes prompts
Ajude-me a projetar um sistema RAG para estes documentos: [document types]. Recomende escolhas de fragmentação, metadados, embedding e recuperação.
Revise meu plano de fragmentação para [content type]. Identifique riscos com limites, sobreposição, metadados e preservação de contexto.
Meu sistema RAG usa busca vetorial e busca por palavras-chave. Sugira um plano de recuperação híbrida e reranking para [query patterns].
Crie um plano de avaliação para meu recuperador RAG. Inclua dados de teste, métricas, análise de falhas e verificações de atualização para documentos em mudança.
Boas práticas
- Preserve a estrutura do documento e os metadados durante a fragmentação.
- Use recuperação híbrida quando termos exatos e significado semântico forem ambos importantes.
- Meça a qualidade da recuperação separadamente antes de julgar as respostas geradas.
Evitar
- Usar fragmentos de tamanho fixo que dividem frases ou seções.
- Indexar todos os documentos sem filtrar conteúdo de baixo valor.
- Enviar resultados de recuperação de primeira etapa diretamente ao modelo sem reranking.