Was macht rags?
Erstelle eine RAG-Pipeline mit natürlicher Sprache. Gib deinem Agenten die Fähigkeit, komplexe Vektordatenbanken durch einfaches Chatten abzufragen.
Erstelle eine RAG-Pipeline mit natürlicher Sprache. Gib deinem Agenten die Fähigkeit, komplexe Vektordatenbanken durch einfaches Chatten abzufragen.
Diese Fähigkeit (run-llama/rags) ermöglicht es KI-Agenten, Retrieval-Augmented Generation (RAG)-Pipelines über natürliche Sprachbefehle zu erstellen und zu verwalten. Anstatt komplexe Vektordatenbank-Abfragen manuell zu codieren, kann der Agent mit Hilfe dieser Fertigkeit Dokumente indizieren, Embeddings generieren und semantische Suchen durch einfache Chat-Anweisungen durchführen. Sie unterstützt gängige LLM-Plattformen wie Claude Code, Codex und Cursor und ist besonders nützlich für Entwickler, die Wissensdatenbanken schnell in ihre KI-Workflows integrieren möchten. Die Implementierung folgt dem RAG-Pattern, indem zuerst Dokumente geladen, dann in Vektordatenbanken gespeichert und schließlich über kontextbewusste Abfragen abgerufen werden – alles orchestriert durch den Agenten auf Basis der SKILL.md-Dokumentation.
npx skills add run-llama/ragsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Erstelle eine RAG-Pipeline mit natürlicher Sprache. Gib deinem Agenten die Fähigkeit, komplexe Vektordatenbanken durch einfaches Chatten abzufragen.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.