스킬 rag-pipeline
🔍
rag-pipeline
안전 🌐
네트워크 접근📁
파일 시스템 액세스⚙️
외부 명령어
使用向量搜尋建立 RAG 管道
使用者難以將文件儲存庫與 AI 模型連接，以獲得準確、上下文相關的回覆。此技能提供完整的 RAG 管道，包括文件擷取、使用 Qdrant 的向量搜尋，以及為專業知識庫生成個人化提示。
지원: Claude Codex Code(CC)
1
스킬 ZIP 다운로드
2
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
3
토글을 켜고 사용 시작
테스트해 보기
"rag-pipeline" 사용 중입니다. 如何在 RAG 管道中實現文件擷取？
예상 결과:
- 擷取過程會掃描 docs/ 目錄，透過移除前台資料和導入來清理 Markdown 文件，將文字分塊為 1000 個字元的區段並具有 100 個字元的重疊，使用 text-embedding-004 生成嵌入向量，並將向量 upsert 到名為 'physical_ai_book' 的 Qdrant 集合中
"rag-pipeline" 사용 중입니다. 技術文件應該使用什麼分塊大小？
예상 결과:
- 預設分塊大小為 1000 個字元，重疊 100 個字元。根據文件結構的複雜性和查詢類型進行調整。帶有分層標題的技術手冊可能受益於較小的區塊。
"rag-pipeline" 사용 중입니다. 如何根據使用者專業知識個人化回覆？
예상 결과:
- 個人化模組會讀取使用者背景欄位，如 software_background 和 hardware_background，以建構量身定制的系統指令，使說明能適應使用者的技術水準。
보안 감사
안전v5 • 1/16/2026
All static findings are FALSE POSITIVES. The scanned files are pure documentation: SKILL.md contains markdown explaining RAG architecture patterns, and skill-report.json contains metadata. No executable code, scripts, or network calls exist. The scanner incorrectly flagged path references and metadata fields as security issues.
2
스캔된 파일
207
분석된 줄 수
3
발견 사항
5
총 감사 수
위험 요인
🌐 네트워크 접근 (1)
📁 파일 시스템 액세스 (1)
감사자: claude 감사 이력 보기 →
품질 점수
38
아키텍처
100
유지보수성
85
콘텐츠
22
커뮤니티
100
보안
83
사양 준수
만들 수 있는 것
建立知識庫
從文件建立可搜尋的向量資料庫，用於企業知識管理系統
增強 LLM 回覆
在專有文件中為 AI 模型回覆提供基礎，以獲得準確、上下文相關的答案
文件搜尋系統
使用向量相似性在文件集中啟用語義搜尋
이 프롬프트를 사용해 보세요
基本 RAG 查詢
Search the documentation for information about [topic] and provide relevant excerpts
多文件搜尋
Find all references to [concept] across the documentation and summarize findings
上下文感知答案
Based on the retrieved context about [topic], explain how to implement this feature
個人化回覆
Answer my question about [topic] using the documentation, considering my background in [field]
모범 사례
- 使用一致的分塊大小和重疊，以確保擷取相關上下文
- 在嵌入之前徹底清理文件，以移除雜訊和元數據
- 在部署前使用範例查詢測試向量搜尋品質
피하기
- 使用非常大的區塊大小，包含不相關的上下文
- 跳過文件清理步驟，這可能會污染嵌入向量
- 在評估搜尋品質時忽略相似性指標
자주 묻는 질문
支援哪些嵌入模型？
管道預設使用 text-embedding-004。任何產生 768 維向量並支援餘弦相似性的模型都是相容的。
建議的分塊大小是多少？
預設為 1000 個字元，重疊 100 個字元。根據文件結構和查詢複雜性進行調整。
如何與現有系統整合？
模組化架構允許替換各個組件。擷取腳本和向量搜尋客戶端可以作為模組導入。
處理期間我的資料安全嗎？
文件在嵌入之前在本地處理。只有向量表示儲存在 Qdrant 中，不儲存原始內容。
為什麼我的搜尋結果很差？
檢查分塊大小設定、文件清理品質和嵌入模型相容性。考慮增加更多重疊或重新分塊。
這與其他 RAG 工具有何不同？
此實現對每個管道階段提供完全控制。與託管服務不同，您可以控制基礎設施和資料流。