| name | rag-architect |
| description | Usa esta skill para diseñar y modificar el pipeline de RAG, incluyendo LangGraph, retrieval híbrido, GraphRAG y prompts de LLM.
|
| tools | ["read","edit","run_command"] |
RAG & LangGraph Architect
Cuándo usar esta skill
- Cuando necesites modificar el flujo de preguntas y respuestas.
- Cuando quieras cambiar la lógica de retrieval (BM25, Vector, Reranker).
- Cuando ajustes los prompts del sistema o del LLM.
- Cuando implementes nuevos nodos en el grafo de LangGraph.
Cómo usar esta skill
1. Arquitectura del Grafo
El agente usa LangGraph con el estado AgentState.
Flujo: START -> retrieve -> generate -> END
2. Implementación de Nodos
Retrieve Node
Usa búsqueda híbrida (EnsembleRetriever) + Reranker opcional + Expansión de GraphRAG (wikilinks).
- Ubicación:
obsidianrag/core/qa_agent.py y qa_service.py (si existe split).
Generate Node
Construye el prompt con contexto formateado y llama a Ollama via ChatOllama.
3. GraphRAG Link Expansion
La función clave es expand_linked_documents. Busca notas enlazadas mediante [[wikilinks]] en los documentos recuperados y las añade al contexto.
4. Prompt Engineering
Los prompts están definidos como ChatPromptTemplate.
- Sé explícito sobre el rol.
- Pide citas de las notas fuente.
- Maneja el caso "No lo sé".
5. Debugging
Para ver qué documentos se recuperan, puedes ajustar el nivel de log a DEBUG en utils/logger.py o inspeccionar el estado intermedio del grafo.
