Que fait rag-chunk-preview-research-skills ?
Compétences Codex pour la recherche concurrentielle de prévisualisation de fragments de base de connaissances RAG.
Compétences Codex pour la recherche concurrentielle de prévisualisation de fragments de base de connaissances RAG.
Ce pack de compétences pour Codex se concentre sur la recherche concurrentielle axée sur la prévisualisation de fragments (chunks) dans les bases de connaissances RAG (Retrieval-Augmented Generation). Il permet aux utilisateurs d'analyser comment les concurrents structurent et présentent leurs fragments d'information, ce qui est crucial pour optimiser la performance des systèmes RAG et améliorer la pertinence des réponses générées. Les compétences sont conçues pour être utilisées dans l'environnement Codex, un outil de développement d'agents IA. Elles automatisent la collecte, l'analyse et la comparaison de stratégies de chunking, aidant ainsi les développeurs à affiner leurs propres pipelines RAG. En examinant des exemples de prévisualisation de fragments, les utilisateurs peuvent identifier des motifs efficaces, des techniques de segmentation et des pratiques de formatage de données. Le résultat escompté est une amélioration de la qualité des réponses et une meilleure expérience utilisateur dans les applications basées sur la génération augmentée de récupération.
npx skills add RicoAlyssa/rag-chunk-preview-research-skillsInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Compétences Codex pour la recherche concurrentielle de prévisualisation de fragments de base de connaissances RAG.
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.