rag-implementation
ベクターデータベースとセマンティック検索を用いて、LLMアプリケーション向けのRetrieval-Augmented Generation（RAG）システムを構築できます。知識ベースを活用したAI実装、ドキュメント質問応答システムの開発、またはLLMと外部知識ベースの統合時に利用してください。
description の原文を見る
Build Retrieval-Augmented Generation (RAG) systems for LLM applications with vector databases and semantic search. Use when implementing knowledge-grounded AI, building document Q&A systems, or integrating LLMs with external knowledge bases.
SKILL.md 本文
RAG実装
Retrieval-Augmented Generation(RAG)をマスターして、外部知識ソースを使用して正確で根拠のある応答を提供するLLMアプリケーションを構築します。
このスキルを使用する場合
- 独自文書上のQ&Aシステムの構築
- 最新で正確な情報を備えたチャットボットの作成
- 自然言語クエリによるセマンティック検索の実装
- 根拠のある応答でハルシネーション（幻覚）を削減
- LLMが領域固有の知識にアクセスできるようにする
- ドキュメンテーションアシスタントの構築
- ソース引用による研究ツールの作成
コアコンポーネント
1. ベクトルデータベース
目的: ドキュメント埋め込みを効率的に保存および取得
オプション:
- Pinecone: マネージド、スケーラブル、高速クエリ
- Weaviate: オープンソース、ハイブリッド検索
- Milvus: 高性能、オンプレミス
- Chroma: 軽量、使いやすい
- Qdrant: 高速、フィルター検索
- FAISS: Metaのライブラリ、ローカルデプロイ
2. 埋め込み
目的: 類似度検索用にテキストを数値ベクトルに変換
モデル:
- **text-embedding
...
詳細情報
- 作者
- synqing
- リポジトリ
- synqing/K1.node1
- ライセンス
- unknown
- 最終更新
- 2026/1/8
Source: https://github.com/synqing/K1.node1 / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。