RAG-Implementierungs-Leitfaden
PROBaue Retrieval-Augmented-Generation-Systeme, die LLM-Antworten in externen Wissensquellen begründen. Reduziere Halluzinationen und ermögliche domänenspezifische KI.
Anwendungsbeispiel
Baue ein RAG-System für meine Dokumentation, damit Nutzer Fragen stellen können und relevante Antworten bekommen.
Skill-Prompt
Dieser Skill funktioniert am besten, wenn du ihn von findskill.ai kopierst – Variablen und Formatierung werden sonst möglicherweise nicht korrekt übertragen.
So verwendest du diesen Skill
1
Skill kopieren mit dem Button oben
2
In deinen KI-Assistenten einfügen (Claude, ChatGPT, etc.)
3
Deine Eingaben unten ausfüllen (optional) und kopieren, um sie mit deinem Prompt einzufügen
4
Absenden und mit der KI chatten beginnen
Anpassungsvorschläge
| Beschreibung | Standard | Dein Wert |
|---|---|---|
| Vector database to use | Chroma | |
| Embedding model | OpenAI | |
| Programming language I'm using | Python |
Das bekommst du
- Architecture design
- Component selection recommendations
- Implementation code
- Optimization strategies
Forschungsquellen
Dieser Skill wurde auf Basis von Forschung aus diesen maßgeblichen Quellen erstellt:
- Anthropic: RAG with Claude Official Claude RAG implementation guide
- LangChain: RAG Tutorial Comprehensive RAG implementation with LangChain
- Pinecone: RAG Guide Vector database RAG patterns and best practices
- OpenAI: Embeddings Guide Text embeddings for semantic search
- Llamaindex: RAG Documentation Advanced RAG patterns and data connectors