rag-architect
ドキュメントの分割、埋め込み生成、ベクトルストアの構築、ハイブリッド検索パイプラインの構成、リランキングの適用、検索品質の評価などを通じて、本番環境対応のRAGシステムを設計・実装します。セマンティック検索、ドキュメント検索、コンテキスト拡張、類似度検索、埋め込みベースのインデックスが必要なRAGシステム、ベクトルデータベース、知識ベースのAIアプリケーションの構築時に活用できます。
description の原文を見る
Designs and implements production-grade RAG systems by chunking documents, generating embeddings, configuring vector stores, building hybrid search pipelines, applying reranking, and evaluating retrieval quality. Use when building RAG systems, vector databases, or knowledge-grounded AI applications requiring semantic search, document retrieval, context augmentation, similarity search, or embedding-based indexing.
SKILL.md 本文
RAG アーキテクト
コアワークフロー
- 要件分析 — 検索ニーズ、レイテンシ制約、精度要件、スケールを特定する
- ベクトルストア設計 — データベース選択、スキーマ設計、インデックス戦略、シャーディング方式
- チャンキング戦略 — ドキュメント分割、オーバーラップ、セマンティック境界、メタデータ補強
- 検索パイプライン — エンベディング選択、クエリ変換、ハイブリッド検索、リランキング
- 評価と反復 — メトリクス追跡、検索デバッグ、継続的な最適化
各ステップで次に進む前に検証してください(以下のチェックポイントを参照)。
リファレンスガイド
コンテキストに基づいて詳細なガイダンスを読み込みます:
| トピック | リファレンス | 読み込む場合 |
|---|---|---|
| ベクトルデータベース | references/vector-databases.md | Pinecone、Weaviate、Chroma、pgvector、Qdrantを比較する場合 |
| エンベディングモデル | references/embedding-models.md | エンベディングの選択、ファインチューニング、次元のトレードオフ |
| チャンキン |
...
詳細情報
- 作者
- cedriclefoudelatech
- ライセンス
- 不明
- 最終更新
- 2026/5/10
Source: https://github.com/cedriclefoudelatech/TIMLEMEILLEURIDF / ライセンス: 未指定