汎用LLM・AI開発⭐ リポ 1,739品質スコア 100/100

ai-rag-pipeline

ウェブ検索とLLMを活用したRAG（検索拡張生成）パイプラインを構築できます。利用可能なツール：Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、OpenRouter経由のGemini。実装できる機能：リサーチ、ファクトチェック、根拠に基づいた回答生成、ナレッジ検索。AI エージェント、リサーチアシスタント、ファクトチェッカー、ナレッジベースの構築に活用できます。

description の原文を見る

Build RAG (Retrieval Augmented Generation) pipelines with web search and LLMs. Tools: Tavily Search, Exa Search, Exa Answer, Claude, GPT-4, Gemini via OpenRouter. Capabilities: research, fact-checking, grounded responses, knowledge retrieval. Use for: AI agents, research assistants, fact-checkers, knowledge bases. Triggers: rag, retrieval augmented generation, grounded ai, search and answer, research agent, fact checking, knowledge retrieval, ai research, search + llm, web grounded, perplexity alternative, ai with sources, citation, research pipeline

SKILL.md 本文

注意: このスキルのライセンスは AGPL-3.0 です。本サイトでは本文プレビューのみを表示しています。利用前に GitHub の原本でライセンス条件をご確認ください。

AI RAG パイプライン

inference.sh CLI 経由で RAG (検索拡張生成) パイプラインを構築します。

AI RAG Pipeline

クイックスタート

curl -fsSL https://cli.inference.sh | sh && infsh login

# Simple RAG: Search + LLM
SEARCH=$(infsh app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}')
infsh app run openrouter/claude-sonnet-45 --input "{
  \"prompt\": \"Based on this research, summarize the key trends: $SEARCH\"
}"

インストール注記: [インストールスクリプト](https://cli.inferenc

...

全文を GitHub の原本で見る →リポジトリ

詳細情報

作者: openakita
リポジトリ: openakita/openakita
ライセンス: AGPL-3.0
最終更新: 2026/5/12

GitHubで原本を見る →フィードバックを送る

Source: https://github.com/openakita/openakita / ライセンス: AGPL-3.0