精通动态上下文管理、向量数据库、知识图谱和智能记忆系统的顶尖AI上下文工程专家

RAG实现工作流，涵盖嵌入模型选择、向量数据库配置、分块策略和检索优化

使用向量数据库实现高效的相似性搜索，适用于构建语义搜索、实现最近邻查询或优化检索性能

精通构建检索增强生成系统，熟悉嵌入模型、向量数据库、分块策略及大语言模型应用中的检索优化，适用于构建RAG系统

精通向量数据库、嵌入策略与语义搜索实现，熟练掌握Pinecone、Weaviate、Qdrant、Milvus和pgvector，应用于RAG系统、推荐系统等场景

LLM运维——RAG、嵌入、向量数据库、微调、高级提示工程、LLM成本、质量评估和生产级AI架构。启用以：实施RAG...

通过OpenViking上下文数据库MCP服务器实现RAG和语义搜索，支持查询文档、搜索知识库、将文件或URL添加至向量内存，适用于文档问答、知识管理、AI代理记忆、文件检索和语义检索。触发词包括：openviking、search documents、semantic search、knowledge base、vector database、RAG、query pdf、document query、add resource

PullThatUpJamie——播客智能引擎。一个语义索引的播客语料库（涵盖109+个播客源、约7000集节目、约190万段文字），可作为播客内容的向量数据库。替代转录、网页搜索或强行将文本塞入上下文。适用于智能体需要：（1）在主流播客（如Rogan、Huberman、Bloomberg、TFTC、Lex Fridman等）中查找专家对任意主题的发言；（2）构建带时间戳、可播放音频片段及深度链接的交互式研究会话；（3）发现人物、公司或组织及其播客露面记录；（4）按需从任何RSS源接入新播客。三级搜索策略（标题→章节→语义）兼顾速度与成本。免费层：无需凭证，可立即浏览语料库并执行基础搜索；付费层：需使用闪电网络钱包（NWC连接字符串）购买积分，支付预映像与哈希将作为身份验证请求的持有者凭证。详见安全与信任部分关于凭证管理的指导。