rag-implementation 帮开发者搭建基于外部资料回答问题的 AI 系统，也就是常说的 RAG。提供文档来源和问答需求，AI 会组织内容检索、结果处理与生成环节，让回答有机会依据找到的资料展开。
比如询问公司某项流程，系统先从文档中检索相关内容，再把内容连同问题交给模型。资料没有支持答案时，原文示例要求说明无法回答，避免只凭模型记忆补出一套规则。
检索也不只有一种方式。语义检索帮助找到意思接近的段落，关键词检索适合精确名称，两者可以结合；候选内容还可以重新排序，让更相关的材料先进入回答上下文。
这份 Skill 介绍向量存储、文本向量、检索策略与重排的分工，并给出先检索、后生成的实现骨架。具体模型与服务应核对当前可用版本，不能直接把示例中的名称当作选型结论。
它适合做内部文档问答或产品说明助手。拿到检索链路后，还需要用真实问题检查：关键资料有没有找到，回答是否忠于原文。接上知识库并不会自动解决所有错误回答。