Embedding

vector-index-tuning giúp tinh chỉnh chỉ mục tìm kiếm vector để tối ưu độ trễ, recall và bộ nhớ. Dùng skill này để chọn loại chỉ mục, điều chỉnh thiết lập HNSW và so sánh các phương án quantization cho quy trình RAG.

similarity-search-patterns giúp bạn chọn distance metric, loại index và các mẫu hybrid retrieval cho semantic search và quy trình RAG. Hãy dùng skill này để lên kế hoạch cho các đánh đổi của vector search trong môi trường production về recall, latency và khả năng mở rộng.

rag-implementation là một skill thực tiễn để lập kế hoạch hệ thống RAG với vector database, embeddings, các mô hình retrieval và quy trình trả lời có căn cứ. Hãy dùng skill này để so sánh các lựa chọn trong stack, định hình quyết định kiến trúc, đồng thời định hướng cài đặt và sử dụng cho hỏi đáp tài liệu, trợ lý tri thức và tìm kiếm ngữ nghĩa.

Skill hybrid-search-implementation hướng dẫn cách kết hợp truy xuất vector và từ khóa bằng RRF, linear fusion, reranking và các mẫu cascade cho hệ thống RAG và tìm kiếm.

embedding-strategies giúp bạn chọn và tối ưu mô hình embedding cho tìm kiếm ngữ nghĩa và quy trình RAG, với hướng dẫn thực tế về chia đoạn, đánh đổi giữa các mô hình, nội dung đa ngôn ngữ và đánh giá chất lượng truy xuất.