llm-app-patterns

Production-ready patterns for building LLM applications. Covers RAG pipelines, agent architectures, prompt IDEs, and LLMOps monitoring. Use when designing AI applications, implementing RAG, building agents, or setting up LLM observability.

1. Zainstaluj umiejętność w swoim środowisku Claude lub kompatybilnym systemie agentów — umiejętność dostępna jest w repozytorium davila7 pod ścieżką claude-code-templates.

2. Wybierz scenariusz, w którym potrzebujesz wsparcia: projektowanie aplikacji zasilanej LLM, implementacja potoku RAG, budowanie agenta z dostępem do narzędzi lub konfiguracja monitorowania LLMOps.

3. Dla potoku RAG zapoznaj się z trzema etapami: pozyskanie dokumentów (ingestion), wyszukiwanie kontekstu (retrieval) i generowanie odpowiedzi (generation). Umiejętność zawiera strategie chunking'u — wybierz pomiędzy fixed-size dla prostoty, semantic dla zachowania znaczenia, recursive dla elastyczności lub document-aware dla poszanowania struktury dokumentu.

4. Skonfiguruj parametry chunking'u dostosowane do Twojego przypadku użycia — typowo rozmiar fragmentu to 512 tokenów z 50-tokenowym overlap'em, ale dostosuj na podstawie charakteru Twoich danych i wymagań aplikacji.

5. Dla architektur agentów i monitorowania LLMOps odnieś się do sekcji wzorców w dokumentacji umiejętności — zawierają one rekomendacje dotyczące wyboru między różnymi podejściami i konfiguracji obserwacji.

6. Testuj wzorce na małych zbiorach danych przed wdrożeniem w produkcji — umiejętność dostarcza best practices, ale każda aplikacja wymaga walidacji dla konkretnych wymagań.