1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | rag-blueprint-nvidia-skills（SKILL.md 内部名称 rag-blueprint） |
GitHub |
| 作者/维护者 | NVIDIA RAG Team（foundational-rag-dev@exchange.nvidia.com）；技能目录仓库 nvidia/skills 每日自动同步自 NVIDIA-AI-Blueprints/rag 产品仓库自身的 skills/ 子目录 |
GitHub API + SKILL.md metadata |
| 来源链接 | https://github.com/NVIDIA/skills/tree/main/skills/rag-blueprint | — |
| 许可证 | Apache-2.0 | GitHub API + SKILL.md |
| GitHub Stars/Forks | 技能所属目录仓库 nvidia/skills 整体 2,797★/325 forks（覆盖 300+ 个不同 NVIDIA 产品的技能，不代表本技能自身热度）；本技能所服务的底层产品 NVIDIA-AI-Blueprints/rag 独立仓库 723★/309 forks，近日仍有提交 |
GitHub API |
| 最新版本 | 2.6.0（SKILL.md frontmatter 记录） | GitHub |
| 安装方式 | npx skills add nvidia/skills --skill rag-blueprint --agent claude-code |
GitHub README |
2. 功能介绍与亮点
这个技能教 agent 端到端地部署、配置、排查与管理 NVIDIA RAG Blueprint——一套官方参考级检索增强生成（RAG）流水线，覆盖 Docker Compose、Kubernetes/Helm、Python 库三种部署形态。
主要亮点：
- 意图路由 + 自动环境探测：开头是一张“用户想做什么 → 读哪份参考手册”的路由表（部署/配置/排障/关停），自动识别 GPU、Docker/K8s 状态、已运行服务、NGC key 等环境信息后再决定操作路径，而非逐项询问用户。
- 功能覆盖面广：单一技能覆盖 Agentic RAG、VLM 图像理解、NeMo Guardrails、查询改写、多种数据摄取（文本/音频/OCR/批量）、混合检索重排序、可观测性（Zipkin/Grafana/Prometheus）、MCP 集成等十余个子领域，各自对应独立参考文档。
- 轻量与自托管两条路径并存：既支持完全自托管（本地 GPU + Docker/K8s），也支持“NVIDIA-hosted”模式——仅需一枚 NGC API Key 即可调用云端托管模型，降低了对本地 GPU 硬件的依赖。
- 随附官方治理凭证：目录内附带官方技能卡片
skill-card.md（所有者、许可证、已知风险与缓解建议）、加密签名文件skill.oms.sig，以及发布前评测报告BENCHMARK.md，把治理过程公开给使用者核验，这在社区技能里并不常见。
3. 适用场景
所属分类：DevOps 与基础设施
适合需要在自己的应用里落地检索增强生成能力、并希望用 Claude Code 或 Codex 等 Agent 自动完成部署、配置调整与故障排查的 AI 基础设施工程师与后端开发者，尤其是已经采用或正评估 NVIDIA RAG Blueprint 作为参考架构的团队。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | ✅ 原生支持 | 官方安装文档提供 --agent claude-code 选项，技能目录 README 明确标注支持 |
| Codex | ✅ 原生支持 | 官方安装文档提供 --agent codex 选项 |
| OpenClaw | ❓ 未验证 | 现有材料未点名 OpenClaw，不足以判断 |
| Hermes Agent | ❓ 未验证 | 现有材料未提及 |
5. 推荐理由
它把部署、配置、排障、关停一整套 NVIDIA RAG Blueprint 的操作，浓缩成一份带自动环境探测、意图路由表与十余份分场景参考手册的技能，且是少数在发布前就把官方技能卡片、签名文件与评测报告一并公开、方便使用者自行核验治理过程的社区技能。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | NVIDIA 官方出品（技能目录首页标注“NVIDIA-Verified”）；技能所服务的底层产品仓库 NVIDIA-AI-Blueprints/rag 独立 723★/309 forks，近日仍有提交；未找到该技能自身的独立安装量或第三方讨论数据 |
| 可用性 | 7 | 官方 CLI 一条命令即可安装；参考文档覆盖面完整、按场景细分为十余份手册；但官方自己的 NVSkills-Eval 评测（2026-05-29）指出 SKILL.md 功能描述偏长、部分参考文档间存在重复内容，截至目前未见该评测报告随后续版本更新刷新；自托管部署还需要 Docker/K8s 与较大磁盘空间，首次部署耗时较长 |
| 安全性 | 8 | 见下方检查清单 |
安全检查清单：①Shell 命令执行范围由 allowed-tools 显式限定，绝大多数为只读状态检查命令（docker ps/inspect/logs、kubectl get、helm status、nvidia-smi 等），配置变更遵循“先读配置、再改、再重启”的留痕流程 ②涉及连接 NVIDIA NGC 云端服务（可选的 NVIDIA-hosted 模式），文档中明确说明，非隐蔽外发 ③NVIDIA-hosted 模式需配置 NGC API Key，走标准 env 文件管理，未见凭据处理缺陷 ④通读 SKILL.md 与 skill-card.md，未发现可疑指令或隐藏外发行为；skill-card.md 自带“已知风险与缓解建议”栏，主动提示执行前应审查、部署前应扫描，属治理透明度加分项 ⑤NVIDIA 官方团队出品，随附签名文件 skill.oms.sig 与漏洞报告渠道；经过 NVSkills-Eval 静态校验与去重检查，但截至目前未见公开的真实 Agent 场景化评测数据 ⑥License 为 Apache-2.0，明确 ⑦所属产品仓库与技能目录仓库近日均有提交，持续活跃维护
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| qdrant-advisor | 专注向量数据库 Qdrant 本身的索引选型与检索调优建议 | 关注 RAG 流水线中“检索”这一单点环节的调优；本技能关注整套 RAG 服务从部署、配置到排障、关停的全生命周期运维 |
| mongodb-search-and-ai | 聚焦 MongoDB 向量搜索与 AI 集成能力的使用指南 | 定位在特定数据库产品的检索能力封装；本技能定位在完整的、跨多种数据库/向量库可插拔的 RAG 参考架构运维 |
| 自行拼装 LangChain/LlamaIndex 等开源 RAG 框架 | 开发者自行编写检索、生成、部署脚本，框架本身不含 Agent Skill 形态封装 | 灵活度更高但没有现成的部署/排障指南与官方治理凭证，出问题时需要自行定位；本技能以“能自动探测环境、给出结构化排障路径”为卖点 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价，所属仓库的 GitHub Discussion 与常见技术社区目前也未见针对该技能的专门讨论。
9. 其他补充
技能实际维护在 NVIDIA-AI-Blueprints/rag 产品仓库自身的 skills/ 子目录下，nvidia/skills 是每日自动同步的目录镜像仓库，二者内容一致。
10. 安装使用方式
- 推荐方式：
npx skills add nvidia/skills --skill rag-blueprint --agent claude-code（Codex 用--agent codex；省略--agent走交互式选择） - 前置要求：
skillsCLI 需 ≥ v1.5.16，否则技能可能装上但不出现在 Claude Code 技能列表中 - 安装后注意事项：Claude Code 中需运行
/reload-skills才能加载新装技能 - 运行环境：自托管模式需要 Docker/Compose 或 Kubernetes/Helm，以及可选的本地 NVIDIA GPU（用于自托管 NIM 服务）；无本地 GPU 时可改用“NVIDIA-hosted”模式，仅需配置 NGC API Key 调用云端模型
11. 注意事项
- 自托管部署对磁盘空间与部署耗时要求较高，官方文档提示模型下载与缓存需要较大存储空间，首次部署可能耗时数十分钟
- 官方 2026-05-29 的 NVSkills-Eval 评测记录显示 SKILL.md 描述偏长、参考文档间存在重复内容等文档质量问题，该报告截至目前未见随版本更新刷新
- OpenClaw、Hermes Agent 上的兼容性尚未获得官方材料证实