全部 skill

面向生产环境 RAG 与检索的托管向量数据库。

用 NVIDIA TensorRT 优化 LLM 推理达最大吞吐与最低延迟。在 NVIDIA GPU（A100/H100）生产部署、需比 PyTorch 快 10-100× 的推理、或用量化（FP8/INT4）、在途批处理、多 GPU 扩展服务模型时使用。

面向生产 AI 应用的托管向量数据库。全托管、自动扩展、带混合搜索（稠密+稀疏）、元数据过滤、命名空间。低延迟（p95 <100ms）。用于生产 RAG、推荐系统、或大规模语义搜索。最适合无服务器托管基础设施。