O que ragas faz?
Estrutura que ajuda a avaliar seus pipelines de Geração Aumentada por Recuperação diretamente dentro de agentes autônomos de múltiplas fontes.
Estrutura que ajuda a avaliar seus pipelines de Geração Aumentada por Recuperação diretamente dentro de agentes autônomos de múltiplas fontes.
Esta skill integra a biblioteca Ragas (Retrieval Augmented Generation Assessment) aos fluxos de trabalho de agentes de IA, permitindo que os agentes avaliem automaticamente a qualidade de seus próprios pipelines de RAG (Geração Aumentada por Recuperação) ou de sistemas externos. Ela fornece um conjunto de métricas de avaliação prontas para uso, como fidelidade, relevância de resposta e relevância de contexto, que podem ser calculadas durante a execução do agente. Com suporte para agentes autônomos como o Claude Code e plataformas de desenvolvimento similares, essa skill elimina a necessidade de scripts de avaliação manuais e separados ao permitir que os agentes coletem automaticamente consultas de exemplo, executem inferências e calculem pontuações de qualidade diretamente em seu ambiente. Ao documentar em seu SKILL.md como estruturar loops de avaliação, amostrar dados e interpretar resultados, ela capacita os agentes a auto-monitorar sua precisão fática e cobertura de informações, garantindo que saídas geradas por fontes múltiplas permaneçam confiáveis sem intervenção humana.
npx skills add explodinggradients/ragasInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Estrutura que ajuda a avaliar seus pipelines de Geração Aumentada por Recuperação diretamente dentro de agentes autônomos de múltiplas fontes.
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.