技能 ai-rag-pipeline
📦
ai-rag-pipeline
內容修訂 r1 嚴重 ⚙️ 外部命令🌐 網路存取
建置有依據的 RAG 研究管線
研究代理需要最新來源與清楚的歸因。此技能展示如何透過 inference.sh 結合搜尋、擷取與 LLM 綜合。
支援: Claude Codex Code(CC)
請勿自動安裝此 Skill。
權威政策要求在執行任何安裝操作前由操作人員審查。
使用我的智慧代理安裝
將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。
智能體請求
Review the Skillstore skill "ai-rag-pipeline" from https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline.md and its manifest at https://skillstore.io/api/skills/inference-sh-9-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.你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。
Agent 可讀資源
當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。
測試它
正在使用「ai-rag-pipeline」。 使用者要求提供電動車的最新市場概覽。
預期結果:
- 包含 Tavily 與 Exa 搜尋的研究計畫。
- 針對趨勢、風險與待解問題的綜合摘要。
- 將引用事實與詮釋分開的來源清單。
正在使用「ai-rag-pipeline」。 使用者詢問某項公開主張是否有證據支持。
預期結果:
- 帶有信心語言的明確主張結論。
- 依來源分組的支持與反駁證據。
- 在證據薄弱、過時或不完整時提供註記。
正在使用「ai-rag-pipeline」。 使用者要求將兩個 URL 轉換成分析簡報。
預期結果:
- 擷取出的文件主題與關鍵事實。
- 附建議的精簡簡報。
- 每項主要主張的來源歸因。
安全審計
嚴重v4 • 2026/7/6 開啟版本化報告
The audit confirms a critical pipe-to-shell installer pattern in the Quick Start and a related hardcoded installer URL. Most other static hits are Markdown formatting, illustrative infsh examples, placeholder URLs, or documentation links rather than hidden execution paths.
1
已掃描檔案
311
分析行數
1
複核項目
0
已忽略的誤報
已確認的安全問題 (1)
嚴重
Pipe to shell pattern
curl -fsSL https://cli.inference.sh | sh && infsh login
The Quick Start pipes https://cli.inference.sh directly into sh, executing remote code before local review. Even if legitimate, this is a critical supply-chain risk.
能力複核項目 (1)
這些是真實的本機能力，對此技能而言可能是預期行為，因此需要複核，但不會按已確認的惡意行為計分。
低
Hardcoded URL
curl -fsSL https://cli.inference.sh | sh && infsh login
The hardcoded URL is the source for the remote installer used in the pipe-to-shell command. The main risk is captured by the blocker finding, but the external install endpoint is real.
風險因素
⚙️ 外部命令 (66)
SKILL.md:15-23 SKILL.md:23-25 SKILL.md:25-40 SKILL.md:40-42 SKILL.md:42-46 SKILL.md:46-48 SKILL.md:48-52 SKILL.md:52-54 SKILL.md:54-62 SKILL.md:62-63 SKILL.md:63-64 SKILL.md:64-70 SKILL.md:70-71 SKILL.md:71-77 SKILL.md:77-78 SKILL.md:78-79 SKILL.md:79-80 SKILL.md:80-86 SKILL.md:86-101 SKILL.md:101-105 SKILL.md:105-122 SKILL.md:122-126 SKILL.md:126-146 SKILL.md:146-150 SKILL.md:150-172 SKILL.md:172-176 SKILL.md:176-206 SKILL.md:206-210 SKILL.md:210-215 SKILL.md:215-221 SKILL.md:221-227 SKILL.md:227-231 SKILL.md:231-244 SKILL.md:244-250 SKILL.md:250-254 SKILL.md:254-258 SKILL.md:258-264 SKILL.md:264-270 SKILL.md:270-287 SKILL.md:287-291 SKILL.md:291-303 SKILL.md:303-305 SKILL.md:19 SKILL.md:88-90 SKILL.md:107 SKILL.md:108 SKILL.md:128-133 SKILL.md:155-157 SKILL.md:180 SKILL.md:181 SKILL.md:182 SKILL.md:233 SKILL.md:236-238 SKILL.md:260 SKILL.md:263 SKILL.md:278 SKILL.md:15-23 SKILL.md:86-101 SKILL.md:105-122 SKILL.md:126-146 SKILL.md:150-172 SKILL.md:176-206 SKILL.md:231-244 SKILL.md:258-264 SKILL.md:270-287 SKILL.md:271
偵測到的模式
Pipe to shell pattern
審計單位: codex 檢視審計紀錄 →
分享與引用此報告
分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。
複製報告連結
https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/inference-sh-9-ai-rag-pipeline/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/inference-sh-9-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>學術引用 (APA · BibTeX · CFF)
APA 引用
inference-sh-9. (2026). ai-rag-pipeline security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline/audits/4BibTeX 引用
@techreport{inference-sh-9-inference-sh-9-ai-rag-pipeline-2026,
author = {inference-sh-9},
title = {ai-rag-pipeline security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/inference-sh-9-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-9"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/inference-sh-9-ai-rag-pipeline/audits/4"
identifiers:
- type: other
value: "skillstore:inference-sh-9-ai-rag-pipeline:audit:4"
description: "Skillstore immutable audit report identifier"
比較變體
2 個可安裝變體每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。
為何此變體排名第一
Skillstore 使用量較高
作者 / 來源 Skillstore 評分 證據置信度 Skillstore 使用量 已更新
inference-sh 推薦
inference-sh-ai-rag-pipeline
Skillstore 評分 38
證據置信度 中
Skillstore 使用量 48
已更新
2026-09-09
inference-sh-9-ai-rag-pipeline
Skillstore 評分 38
證據置信度 中
Skillstore 使用量 11
已更新
2026-09-09
Skillstore 評分
評分依據 證據置信度: 中 55
架構
85
可維護性
87
內容
69
社群
83
規範符合度
你可以打造什麼
建立含引用的研究簡報
使用搜尋結果與 LLM 綜合，準備附來源歸因的精簡簡報。
比較市場訊號
收集多個搜尋結果，識別共同主題，並呈現規劃決策中的矛盾之處。
草擬有依據的支援回答
在為知識工作流程生成回答前，先擷取最新文件或文章內容。
試試這些提示
執行基本的有依據回答
Use the ai-rag-pipeline skill to design a simple search plus Claude answer flow for this question: [question]. Include source attribution.
比較多個來源
Build a multi-source RAG workflow for [topic]. Search with Tavily and Exa, compare findings, and note contradictions.
查核一項主張
Use the fact-checking pipeline to evaluate this claim: [claim]. Return a verdict, supporting evidence, conflicting evidence, and sources.
設計研究代理
Create a reusable RAG pipeline for [domain]. Include retrieval steps, extraction, summarization strategy, citation requirements, and failure handling.
最佳實務
- 使用包含日期、實體與情境的具體查詢，以提升檢索品質。
- 要求模型區分有來源支持的事實與詮釋。
- 在與使用者或團隊分享輸出前，先審查生成的引用。
避免
- 請勿將秘密、憑證或私人文件提交給外部服務。
- 請勿在未審查來源的情況下，將搜尋片段視為已驗證事實。
- 請勿在未進行本機檢查與校驗和驗證的情況下執行遠端安裝腳本。
常見問題
此技能會建置完整的向量資料庫嗎？
不會。它聚焦於透過 inference.sh 進行搜尋、擷取與 LLM 綜合的模式。
它提及哪些服務？
它提及 Tavily、Exa 與 OpenRouter 託管的模型，包括 Claude、GPT-4o 與 Gemini 範例。
它可以與 Claude、Codex 和 Claude Code 搭配使用嗎？
可以。報告列出與 Claude、Codex 和 Claude Code 支援工具介面的相容性。
它需要網路存取嗎？
需要。這些工作流程依賴外部搜尋、擷取與 LLM 供應商呼叫。
它可以查核主張嗎？
可以。它提供一種收集證據並產生有來源支持結論的管線模式。
它適合用於機密資料嗎？
請謹慎使用。除非您的組織核准所涉及的外部供應商，否則請勿傳送機密資料。
開發者詳細資訊
授權
MIT
Skillstore 修訂
r1
版本提示
作者未聲明版本。
引用
a06681402992ceae98ba04d54cfd4ab004862696
維護新鮮度
2026/7/18
使用量
5 次下載 · 128 次瀏覽
檔案結構
📄 SKILL.md