# rag-pipeline-builder

Скилл rag-pipeline-builder проектирует RAG-пайплайн для ассистента по документам: чанкинг, метаданные, гибридный поиск, реранкинг и план оценки качества.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 251 установка · ★ 64 у репозитория
- Автор: patricio0312rev
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/patricio0312rev/skills/tree/HEAD/ai-engineering/rag-pipeline-builder/SKILL.md
- Обновлён: 2026-01-12
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/rag-pipeline-builder

## Что делает

Скилл ведёт агента по всей цепочке: документы, чанкинг, эмбеддинги, векторное хранилище, поиск, реранкинг, генерация. Внутри лежат код-заготовки. Разбивка идёт через `RecursiveCharacterTextSplitter` с `chunk_size=1000` и `chunk_overlap=200`, и каждый чанк получает метаданные: имя файла, страницу, `chunk_id`.

Поиск собран гибридно: векторная выдача складывается с BM25 через `reciprocal_rank_fusion`, плюс фильтры по метаданным вроде `content_type` и `language`. Дальше реранкер `cross-encoder/ms-marco-MiniLM-L-6-v2` пересчитывает оценки для верхушки списка. Есть и расширение запроса: один вопрос превращается в несколько формулировок перед поиском.

Для оценки скилл предлагает golden dataset с ожидаемыми чанками и метрики precision, recall, MRR, NDCG. Ещё одна заготовка обрезает выдачу под лимит токенов, в примере `max_tokens=4000`. Код привязан к Pinecone: `pinecone.init` требует `api_key` и `environment`, а реранкер тянет `sentence-transformers`. Без аккаунта Pinecone примеры не запустятся.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill rag-pipeline-builder -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/rag-pipeline-builder/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/rag-pipeline-builder/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill rag-pipeline-builder -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/rag-pipeline-builder/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill rag-pipeline-builder -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/rag-pipeline-builder/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install patricio0312rev/skills ai-engineering/rag-pipeline-builder/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/rag-pipeline-builder/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill rag-pipeline-builder -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/patricio0312rev/skills --path ai-engineering/rag-pipeline-builder
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/rag-pipeline-builder/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill rag-pipeline-builder -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/patricio0312rev/skills/tree/HEAD/ai-engineering/rag-pipeline-builder/SKILL.md

## Когда брать
- разбить длинные документы на чанки с перекрытием и метаданными
- сложить векторный поиск и BM25 в один ранжированный список
- пересчитать верхушку выдачи кросс-энкодером
- посчитать precision и recall ретривера на golden-датасете
- уложить найденные чанки в лимит контекстного окна

## Примеры запросов агенту
- Спроектируй RAG-пайплайн по документации в `docs/`: чанкинг, схема метаданных и гибридный поиск.
- Добавь в текущий векторный поиск реранкер на кросс-энкодере и метрику MRR.
- Собери golden dataset и скрипт оценки ретривера с precision и recall.

## Похожие
- [RAG Pipeline taste](https://affpapa.org/nevibecode/prompts/rag-pipeline-taste.md) — промпт · ★ 178201 у репозитория
- [rag-retrieval](https://affpapa.org/nevibecode/skills/rag-retrieval.md) — скилл · 1500 установок
- [langchain-rag](https://affpapa.org/nevibecode/skills/langchain-rag.md) — скилл · 18600 установок
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 5100 установок
- [langchain4j-rag-implementation-patterns](https://affpapa.org/nevibecode/skills/langchain4j-rag-implementation-patterns.md) — скилл · 3900 установок
- [debug-rag](https://affpapa.org/nevibecode/skills/debug-rag.md) — скилл · ★ 30 у репозитория

Из того же набора: [patricio0312rev/skills](https://affpapa.org/nevibecode/by/patricio0312rev/skills.md) — 148 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
