Ai Rag Pipeline — AI 数据处理管道
v0.1.5构建带有网络搜索和LLMs的RAG（检索增强生成）管道。工具：Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、通过OpenRouter的Gemini。能力：研究、事实核查、基于事实的响应、知识检索。用于：AI代理、研究助手、事实核查员、知识库。触发器：rag、检索增强生成、基于事实的AI、搜索和回答、研究代理、事实核查、知识检索、AI研究、搜索+LLM、基于网络的事实、替代困惑度、带有来源的AI、引用、研究管道。
by 运行时依赖
安装命令
点击复制技能文档
AI RAG 流水线 通过 inference.sh CLI 构建 RAG（检索增强生成）流水线。 快速开始 curl -fsSL https://cli.inference.sh | sh && infsh login 简单 RAG：搜索 + LLM SEARCH=$(infsh app run tavily/search-assistant --input '{"query": "2024 年最新 AI 发展"}') infsh app run openrouter/claude-sonnet-45 --input "{ \"prompt\": \"基于此研究，总结关键趋势：$SEARCH\" }" 安装说明： 安装脚本仅检测您的操作系统/架构，下载匹配的二进制文件 từ dist.inference.sh，并验证其 SHA-256 校验和。 无需提升权限或后台进程。 手动安装和验证可用。 什么是 RAG？ RAG 结合： 检索：从外部源获取相关信息 增强：将检索的上下文添加到提示中 生成：LLM 使用上下文生成响应 这产生更准确、更及时和可验证的 AI 响应。 RAG 流水线模式 模式 1：简单搜索 + 答案 [用户查询] -> [网页搜索] -> [LLM 上下文] -> [答案] 模式 2：多源研究 [查询] -> [多次搜索] -> [聚合] -> [LLM 分析] -> [报告] 模式 3：提取 + 处理 [URL] -> [内容提取] -> [分块] -> [LLM 摘要] -> [输出] 可用工具 搜索工具 工具 App ID 最适合 Tavily Search tavily/search-assistant AI 驱动的搜索和答案 Exa Search exa/search 神经搜索，语义匹配 Exa Answer exa/answer 直接事实答案 提取工具 工具 App ID 最适合 Tavily Extract tavily/extract 从 URL 清理内容 Exa Extract exa/extract 分析网页内容 LLM 工具 模型 App ID 最适合 Claude Sonnet 4.5 openrouter/claude-sonnet-45 复杂分析 Claude Haiku 4.5 openrouter/claude-haiku-45 快速处理 GPT-4o openrouter/gpt-4o 通用目的 Gemini 2.5 Pro openrouter/gemini-25-pro 长上下文 流水线示例 基本 RAG 流水线
- 搜索信息
- 生成基于证据的响应
- 从特定 URL 提取内容
- 分析提取的内容
- 搜索证据
- 核查声明
- 初步研究
- 生成综合报告
- 查询优化
- 上下文管理