К основному содержанию
промпт GP ChatGPT

RAG Pipeline taste — промпт для ChatGPT: что делает и как установить

Промпт RAG Pipeline taste для ChatGPT задаёт инженерные стандарты проектирования поисковой генерации и оценки точности ответов.

CC0-1.0 ★ 178 201 обновлён 2026-10-24

Открыть на GitHub

Что делает RAG Pipeline taste

Промпт описывает правила построения систем поиска и извлечения данных, включая сбор тестовой выборки вопросов, раздельное измерение метрик поиска и генерации, нарезку текста по структуре документов с перекрытием, а также хранение метаданных с хэшами контента. Сюда входят гибридный поиск с BM25 и плотными векторами, переранжирование через cross-encoder, фильтрация прав доступа внутри запросов и версионирование моделей эмбеддингов с инкрементальной индексацией через Postgres и pgvector.

Инструкции требуют от модели цитировать идентификаторы фрагментов, явно признавать нехватку контекста, переписывать диалоговые вопросы в автономные запросы, защищаться от внедрения инструкций во входах и логировать запросы с оценками. Промпт также советует запускать набор тестов в CI на каждое изменение, кэшировать эмбеддинги, ограничивать контекст токенами и прибегать к тонкой настройке только после устранения узких мест в поиске.

Какие задачи решает

  • собрать оценочный набор реальных вопросов пользователей
  • настроить гибридный поиск BM25 и плотных векторов
  • хранить метаданные и пути разделов для каждого фрагмента
  • переписывать вопросы из диалога в отдельные запросы
  • запускать тестовый набор в CI на каждое изменение

Примеры запросов агенту

  • Используй промпт RAG Pipeline taste для проектирования пайплайна поиска.
  • Примени правила RAG Pipeline taste при настройке нарезки документов на чанки.

Как установить RAG Pipeline taste

Как использовать

Вставьте текст в начало диалога или в инструкции проекта

Вопросы о RAG Pipeline taste

Как установить RAG Pipeline taste в Claude Code?

Для Claude Code файл промпта размещается по пути .claude/commands/prompts.csv.md.

Что делает RAG Pipeline taste?

Этот промпт задаёт требования к построению точных поисковых систем, разбиению документов, гибридному поиску, фильтрации прав и оценке качества ответов моделей.

Какие платформы поддерживает RAG Pipeline taste?

Промпт можно использовать в ChatGPT, Claude.ai и Claude Code.

Исходный текст

prompts.csv · CC0-1.0
# RAG Pipeline taste of an engineer who ships retrieval systems that stay accurate
- Build an evaluation set of real user questions with expected sources before tuning chunking, embeddings or prompts. Confidence: 0.95
- Measure retrieval and generation separately: recall@k and MRR for retrieval, faithfulness and answer quality for generation. Confidence: 0.90
- Chunk by document structure such as headings, sections and paragraphs before falling back to fixed token windows. Confidence: 0.85
- Keep chunks around 300-800 tokens with modest overlap, then tune against the eval set instead of guessing. Confidence: 0.75
- Store rich metadata with every chunk: source URL, title, section path, updated date, permissions and content hash. Confidence: 0.90
- Prepend the document title and section heading to each chunk's embedded text so isolated chunks keep their context. Confidence: 0.80
- Use hybrid search, combining BM25 keyword search with dense vectors, because names, codes and IDs embed poorly. Confidence: 0.85
- Add a cross-encoder reranker over the top 30-50 candidates before passing the best 5-10 chunks to the model. Confidence: 0.80
- Apply access-control filters inside the retrieval query, never by filtering results after the model has seen them. Confidence: 0.95
- Version the embedding model and re-embed the whole corpus when it changes; never mix vectors from different models in one index. Confidence: 0.90
- Make ingestion incremental and idempotent using content hashes, so re-running it only touches changed documents. Confidence: 0.85
- Start with Postgres and pgvector for small to medium corpora before adding a dedicated vector database. Confidence: 0.70
- Ask the model to cite chunk IDs for every claim and render those citations as links back to the source. Confidence: 0.90
- Instruct the model to say it doesn't know when retrieved context is insufficient, and test that behavior explicitly. Confidence: 0.90
- Rewrite conversational follow-up questions into standalone queries before retrieval. Confidence: 0.80
- Treat retrieved text as untrusted data and guard against prompt injection hidden inside documents. Confidence: 0.85
- Log the query, retrieved chunk IDs, scores and final answer for every request so failures can be replayed. Confidence: 0.85
- Prefer fixing the corpus, chunking or metadata over adding longer and longer system prompts. Confidence: 0.75
- Cache embeddings for repeated queries and set a token budget for context rather than stuffing in everything retrieved. Confidence: 0.70
- Run the eval suite in CI on every change to prompts, chunking, models or retrieval settings. Confidence: 0.85
- Reach for fine-tuning only after measurements show retrieval is no longer the bottleneck. Confidence: 0.65

© f · CC0-1.0 · f/prompts.chat

Похожие промпты

Все промпты по теме «ИИ и ML» →
rag-pipeline-builder patricio0312rev Скилл rag-pipeline-builder проектирует RAG-пайплайн для ассистента по документам: чанкинг, метаданные, гибридный поиск, реранкинг и план оценки качества. CX Codex +1 251установок rag-architect https://github.com/Jeffallan Скилл rag-architect проектирует RAG-системы: разбивает документы на чанки, генерирует эмбеддинги, настраивает векторные базы, строит гибридный поиск и оценивает качество извлечения контекста. CX Codex +1 5 100установок embedding-pipeline-builder patricio0312rev Скилл embedding-pipeline-builder для Claude Code собирает пайплайны эмбеддингов документов: загрузку, очистку, чанкинг, индексацию и настройку поиска. Поддерживает RAG и семантическую индексацию. CX Codex +1 259установок debug-rag TakaGoto Скилл debug-rag ведёт по шагам от симптома к причине: модель врёт, поиск отдаёт не то, ответ неполный. Подходит, когда RAG уже собран, но работает плохо. CX Codex +1 ★ 30звёзд репо langchain4j-rag-implementation-patterns giuseppe-trisciuoglio Скилл langchain4j-rag-implementation-patterns для ИИ-кодинга, который разворачивает RAG-пайплайны на LangChain4j: загрузка документов, эмбеддинги, векторный поиск и ответы по базе знаний. CX Codex +1 3 900установок langchain-rag langchain-ai Скилл langchain-rag даёт ИИ-агенту готовые шаблоны и код для сборки RAG-пайплайнов на LangChain в Python и TypeScript: от загрузки документов до векторного поиска. CX Codex +1 18 600установок

Из того же набора218

Весь набор →
Gradle Build taste Промпт Gradle Build taste для ChatGPT настраивает сборку JVM на Kotlin DSL и локальный wrapper. GP ChatGPT ★ 178 201звёзд репо MongoDB taste Промпт MongoDB taste для ChatGPT задаёт правила моделирования MongoDB вокруг запросов, индексов и схем. Подключается к Claude Code через файл команды. GP ChatGPT ★ 178 201звёзд репо API Key and Credential Rotation Runbook (JSON) Промпт API Key and Credential Rotation Runbook (JSON) для ChatGPT, Claude.ai и Claude Code помогает составить план смены секретных данных. Он формирует JSON-файл с шагами ротации, проверками и планом отката. GP ChatGPT ★ 178 201звёзд репо Storybook taste Промпт Storybook taste для ChatGPT задаёт правила оформления историй компонентов в Storybook. Он описывает структуру файлов, состояния компонентов, проверки взаимодействий и публикацию историй для ревью. GP ChatGPT ★ 178 201звёзд репо Makefile taste Промпт Makefile taste для ChatGPT задаёт правила организации Makefile. Он помогает оформить цели, зависимости и команды так, чтобы Makefile служил входной точкой проекта. GP ChatGPT ★ 178 201звёзд репо API Deprecation and Sunset Plan Builder (YAML) Промпт API Deprecation and Sunset Plan Builder (YAML) превращает описание устаревающего API в YAML-план вывода из эксплуатации с этапами, коммуникациями и миграцией. GP ChatGPT ★ 178 201звёзд репо Nginx Config taste Промпт Nginx Config taste для ChatGPT задаёт правила оформления и эксплуатации конфигурации Nginx. Используй его при настройке виртуальных хостов, прокси и HTTPS. GP ChatGPT ★ 178 201звёзд репо Electron App taste Промпт Electron App taste задаёт стандарты разработки безопасных десктопных приложений в ChatGPT, Claude.ai и Claude Code. Включается в работу при проектировании архитектуры и написании кода на Electron. GP ChatGPT ★ 178 201звёзд репо

Ещё в каталоге

Спонсоры проекта

Компании, которые помогают держать аналитику открытой