К основному содержанию
affpapa.org
RU EN
скилл

rag-engineer · davila7 — скилл для Claude Code: RAG-пайплайны и векторный поиск

Скилл для проектирования RAG-систем: разбивка документов, эмбеддинги, гибридный поиск и переранжирование. Пригодится, когда ответы модели упираются в качество выборки.

Установить в Claude Code · Через claude-code-templates Все способы и платформы ↓ 
npx claude-code-templates@latest --skill ai-research/rag-engineer
Открыть на GitHub

Что делает rag-engineer

Скилл описывает роль архитектора RAG-систем и подсказывает агенту, как вести работу с документами и поиском: векторные эмбеддинги, семантический поиск, разбивка текста на фрагменты, проектирование пайплайна выборки, гибридный поиск по ключевым словам и смыслу. Внутри — набор паттернов и таблица острых мест с оценкой серьёзности и решением.

Паттерны конкретные. Семантическая разбивка идёт по границам предложений и смене темы, а не по числу токенов. Иерархический поиск индексирует текст на нескольких уровнях: сначала грубая выборка кандидатов, потом точная. Гибридный поиск складывает BM25 с векторным сравнением через Reciprocal Rank Fusion.

Отдельно перечислены антипаттерны: фиксированный размер фрагмента, эмбеддинг всего подряд, отсутствие оценки. Оценку выборки скилл советует мерить отдельно от генерации, потому что смешанная метрика скрывает, где именно ломается пайплайн. Для работы нужны основы LLM, понимание эмбеддингов и базовые понятия NLP.

Какие задачи решает

  • разбить документы на фрагменты по смыслу, а не по лимиту токенов
  • собрать гибридный поиск из BM25 и векторного сравнения
  • добавить переранжирование после первой стадии выборки
  • оценить качество выборки отдельно от качества ответа
  • обновлять эмбеддинги при изменении исходных документов

Примеры запросов агенту

  • помоги спроектировать пайплайн выборки для RAG по внутренней документации
  • разбей эти документы на фрагменты по границам предложений и смене темы
  • собери гибридный поиск: BM25 плюс векторное сравнение с Reciprocal Rank Fusion

Как установить rag-engineer

1Через claude-code-templates

npx claude-code-templates@latest --skill ai-research/rag-engineer

2Через Skills CLI (Vercel)

npx skills add davila7/claude-code-templates --skill rag-engineer -a claude-code

3Вручную: положить файлы

~/.claude/skills/rag-engineer/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/rag-engineer/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора184

Весь набор →
slack-notifications Отправляет сообщение в Slack, когда Claude закончил работу или завершился субагент. Пригодится, если вы уходите от терминала и хотите знать, что задача готова. 279установок frontend-to-backend-requirements Скилл помогает фронтенд-разработчику описать бэкенду, какие данные нужны экрану, не диктуя структуру API. 278установок add-to-changelog Добавляет запись в CHANGELOG.md по формату Keep a Changelog: версия, тип изменения, текст. Пригодится, когда релиз близко, а раздел в файле всё ещё пустой. 277установок dependency-mapper Строит граф зависимостей кода и задач, ищет циклы и считает критический путь. Пригодится перед планированием спринта или рефакторингом. 274установок business-scenario-explorer Слэш-команда строит несколько сценариев развития бизнеса — базовый, оптимистичный, пессимистичный и срывной — и сводит их в матрицу решений. 273установок rollback-deploy Проводит откат деплоя к прошлой версии: проверки, работа с базой и мониторинг после переключения. 260установок webapp-testing Слэш-команда гоняет локальное веб-приложение в реальном браузере через Playwright: клики, формы, скриншоты, логи консоли. 259установок matplotlib Скилл для Claude по библиотеке matplotlib: строит линейные графики, скаттеры, гистограммы, тепловые карты и 3D-фигуры с экспортом в PNG, PDF и SVG. 257установок

Другие версии rag-engineer

rag-engineer sickn33 Скилл для проектирования систем поиска и генерации с векторными базами данных. Помогает настроить чанкинг, выбрать embedding-модели и оптимизировать качество поиска перед тем, как результаты попадут в LLM. CX Codex +1 1 000установок

Похожие

rag-architect https://github.com/Jeffallan Проектирует RAG-системы: разбивает документы на чанки, генерирует эмбеддинги, настраивает векторные базы, строит гибридный поиск и оценивает качество извлечения контекста. CX Codex +1 4 700установок rag giuseppe-trisciuoglio Скилл помогает развернуть пайплайн Retrieval-Augmented Generation: от нарезки документов и расчёта эмбеддингов до поиска в векторной базе и передачи контекста модели. CX Codex +1 3 700установок chunking-strategy giuseppe-trisciuoglio Помогает настроить нарезку текста для RAG-систем и векторных баз данных. Подбирает размер чанков от 256 до 1024 токенов и проверяет метрики извлечения. CX Codex +1 3 800установок AgentDB Vector Search ruvnet Скилл для быстрого семантического поиска документов через векторную базу AgentDB. Используй для RAG-систем, поисковых движков и баз знаний, где нужна релевантная выборка из больших объёмов текста. CX Codex +1 1 100установок upstash-vector-db-skills gocallum Скилл ведёт агента по настройке Upstash Vector: создание индекса, загрузка документов, семантический поиск и неймспейсы. Пригодится, если делаете поиск по смыслу на Vercel. CX Codex +1 366установок ai-engineer Seth Hobson Субагент проектирует LLM-приложения, RAG-системы и AI-агентов. Подключайте его, когда в проекте нужны модели, поиск по векторам или оркестрация агентов. CX Codex 7 687установок

Рядом в теме «ИИ и ML»

Всё по теме «ИИ и ML» →

Вопросы о rag-engineer

Как установить rag-engineer в Claude?

Через шаблоны: npx claude-code-templates@latest --skill ai-research/rag-engineer. Второй способ — npx skills add davila7/claude-code-templates --skill rag-engineer -a claude-code. После установки файл лежит в ~/.claude/skills/rag-engineer/SKILL.md.

Что делает rag-engineer?

Ведёт агента по проектированию RAG-систем: разбивка документов, эмбеддинги, гибридный поиск, переранжирование и оценка выборки. Внутри есть паттерны, антипаттерны и таблица острых мест.

Что нужно знать перед работой со скиллом?

Основы LLM, понимание эмбеддингов и базовые понятия NLP. Без этого паттерны вроде иерархического поиска будет сложно применить к своему проекту.

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой
Золотой спонсор AI-аналитика спроса на iGaming — индекс, тренды, конкуренты
Nutra.Club Закрытое сообщество Nutra-вертикали от команды M1

Показы, клики и копирования кода — открытая статистика. Мы держим цифры публичными по той же логике, что и сам NeBlask. Стать спонсором