Создание production RAG-систем
Production RAG-проекты требуют повторяемых подходов к ingest-процессам, фильтрации и извлечению. Этот skill дает Claude, Codex и Claude Code практические рекомендации для пайплайнов Qdrant.
Остановитесь и запросите подтверждение перед установкой.
Проверьте план и получите явное согласие пользователя перед изменением файлов.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "building-rag-systems" from https://skillstore.io/skills/asmayaseen-building-rag-systems.md and its manifest at https://skillstore.io/api/skills/asmayaseen-building-rag-systems/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «building-rag-systems». Спланируй ingest-процесс для библиотеки курсов с модулями и уроками.
Ожидаемый результат:
План пайплайна, охватывающий обнаружение, парсинг метаданных, семантические фрагменты, пакетное создание эмбеддингов, загрузку в Qdrant и обнаружение изменений.
Использование «building-rag-systems». Улучши качество извлечения для фильтрованного поиска.
Ожидаемый результат:
Дизайн извлечения с tenant-фильтрами, ограничениями по уровню аппаратного обеспечения, фильтрами модулей, фильтрами уровня подготовки и расширением на соседние фрагменты.
Использование «building-rag-systems». Проведи аудит моего подхода к RAG-индексации перед запуском.
Ожидаемый результат:
Чеклист проверки, охватывающий payload-индексы, стабильные идентификаторы, инкрементальные обновления, размеры батчей и отсутствующие production-защитные меры.
All 46 static findings are false positives caused by Markdown fences, identifier names, dictionary keys, or normal configuration-based credential use. Semantic review found tenant-isolation gaps in retrieval examples and an ingestion endpoint that exposes destructive modes and filesystem paths without demonstrated authorization.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/asmayaseen-building-rag-systems/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/asmayaseen-building-rag-systems?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/asmayaseen-building-rag-systems?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/asmayaseen-building-rag-systems/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/asmayaseen-building-rag-systems.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Asmayaseen. (2026). building-rag-systems security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/asmayaseen-building-rag-systems/audits/9@techreport{asmayaseen-asmayaseen-building-rag-systems-2026,
author = {Asmayaseen},
title = {building-rag-systems security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/asmayaseen-building-rag-systems/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "building-rag-systems security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "Asmayaseen"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/asmayaseen-building-rag-systems/audits/9"
identifiers:
- type: other
value: "skillstore:asmayaseen-building-rag-systems:audit:9"
description: "Skillstore immutable audit report identifier"
Спроектировать crawler, parser, chunker, embedder и uploader для растущего корпуса документов.
Добавить payload-фильтры Qdrant для изоляции tenant-ов, персонализации, расположения контента и расширения контекста.
Использовать хэши файлов и индексированные payload-ы, чтобы обрабатывать только новые, измененные или удаленные файлы.
Используй этот skill, чтобы описать RAG-пайплайн ingest-процесса для моих документов. Включи этапы разбиения на фрагменты, создания эмбеддингов, хранения и извлечения.
Используй этот skill, чтобы спроектировать правила разбиения на фрагменты для моего корпуса. Включи границы разделов, перекрытие, метаданные и стабильные идентификаторы фрагментов.
Используй этот skill, чтобы создать план инкрементальной индексации. Включи хэши файлов, обработку удаленных файлов, проверки состояния Qdrant и batch uploads.
Используй этот skill, чтобы проверить мою архитектуру RAG-извлечения. Проверь фильтры, изоляцию tenant-ов, расширение контекста, payload-индексы и границы API.
Автор
AsmayaseenЛицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Ссылка
89edfdc710d0846129dcee6a929477b04f08052c
Актуальность поддержки
26.07.2026
Использование
8 загрузок · 288 просмотров
Структура файлов
Проектирование надежных инструментов для агентов
Агенты дают сбои, когда названия инструментов, входные данные, выходные данные или ошибки неоднозначны. Этот навык дает практические шаблоны для описаний инструментов, схем, форматов ответов и тестирования.
Систематическая отладка проблем в ПО
Неструктурированное исправление ошибок тратит время впустую и может скрывать реальную причину сбоя. Этот навык проводит Claude, Codex и Claude Code через доказательный анализ первопричин.
Повышение надежности производственного сервиса
Командам, отвечающим за production, нужны четкие целевые показатели надежности и воспроизводимые практики работы с инцидентами. Этот навык предоставляет SRE-шаблоны для SLO, бюджетов ошибок, оповещений и postmortem-разборов.
Создание интерфейсов shadcn/ui в Next.js
Командам React нужны единообразные UI-паттерны, которые работают с современным Next.js. Этот навык предоставляет рекомендации по настройке shadcn/ui, примеры компонентов, валидацию форм, таблицы, боковые панели и паттерны темного режима.
Создание потоковых интерфейсов AI-чата
AI-чат в реальном времени кажется сломанным, когда пользователи не видят прогресс, состояние ответа или изменения интерфейса. Этот skill дает Claude, Codex и Claude Code шаблоны для жизненных циклов потоковой передачи, событий прогресса, клиентских эффектов и клиентских инструментов.
Диагностика деградации контекста
Длинные AI-сессии могут терять точность, когда контекст растет, содержит противоречия или отвлекающие материалы. Этот навык помогает Claude, Codex и Claude Code выявлять паттерны деградации и выбирать практические шаги по их снижению.
Создание семантического поиска AgentDB
от DNYoussef
Командам нужен релевантный поиск документов для RAG и баз знаний. Этот навык помогает настроить AgentDB, хранение эмбеддингов, индексирование, API-поиск и настройку релевантности.
Настройка индексов векторного поиска
от sickn33
Настройка векторного поиска может впустую расходовать память и скрывать регрессии recall. Этот навык дает практические бенчмарки, рекомендации по параметрам и проверки мониторинга для production-индексов.
Создание надежных RAG-систем
от sickn33
RAG-проекты часто терпят неудачу, потому что качество извлечения слабое или не измеряется. Этот навык помогает выбирать подходы к разбиению на фрагменты, эмбеддингам, векторному поиску, гибридному извлечению, переранжированию и оценке.
Оптимизация стратегий эмбеддингов
от wshobson
Командам часто сложно выбрать модели эмбеддингов, размеры чанков и методы оценки для систем поиска. Этот навык предоставляет практические шаблоны и рекомендации по принятию решений для приложений семантического поиска и RAG.
Создание production-систем ML и RAG
от davila7
Production-системы ML сложно последовательно проектировать, развертывать и мониторить. Этот навык помогает с MLOps, интеграцией LLM, архитектурой RAG и локальными заготовками рабочих процессов.
Оптимизация векторного поиска AgentDB
от DNYoussef
Большие векторные базы данных могут становиться медленными, требовательными к памяти и сложными для бенчмаркинга. Этот навык предоставляет структурированный рабочий процесс оптимизации AgentDB для квантования, индексации HNSW, кэширования и проверки.