LLM应用架构这本”武功秘籍”，2万人在用

去年 Dify 爆了之后，我一直在找一个能系统梳理 LLM 应用架构的东西——不是零散教程，而是一张完整的”作战地图”。最近在 Smithery 上挖到一个接近 2 万次安装的 Skill，叫 llm-app-patterns，作者是 davila7，用下来感觉这就是我一直想要的。

它到底解决什么问题？

这个 Skill 把 LLM 应用开发拆成了四大模块，每个模块都有可以直接抄的代码模板和决策矩阵：

• RAG Pipeline 架构：从文档分块、Embedding 模型选型、向量数据库对比（ Pinecone / Weaviate / ChromaDB / pgvector ），到混合检索、上下文压缩，完整链路都有。
• Agent 架构：ReAct（推理+行动）、Function Calling、Plan-and-Execute、多 Agent 协作四种模式，每种都有代码和适用场景说明。
• Prompt IDE 模式：模板变量管理、版本控制与 A/B 测试、Prompt Chaining流水线。
• LLMOps 监控：延迟分位数、Token 速率、成本追踪、幻觉率、错误率这些生产必看指标都有。

最值钱的其实是这张决策矩阵

Skill 里有一张 Architecture Decision Matrix，直接告诉你什么场景用什么模式：

• FAQ / 文档搜索 → Simple RAG，低成本快速搞定
• 多跳推理任务 → ReAct Agent
• 复杂任务规划 → Plan-Execute，但成本高想清楚再用
• 研究类任务 → Multi-Agent，代价最大但能力最强

这个矩阵在我做技术方案评审时特别有用——跟团队讲”为什么这里选 Hybrid RAG 而不是 Simple RAG”，直接对照矩阵比拍脑袋有说服力多了。

安装方式

在 Claude Code、Cursor、OpenClaw 等支持 Skills 的编辑器里，直接通过 Smithery 安装即可，19,892 次安装量说明已经过大量开发者验证。SKILL.md 里每个模式都有完整代码示例，改改参数就能用到自己的项目里。

如果说 RAG 和 Agent 是 LLM 应用的”内功”，那这个 Skill 就是把内功招式整理成册的那本手册。推荐给所有在做 LLM 应用开发或架构选型的朋友。

GitHub 仓库直达 →

GitHub: https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/ai-research/llm-app-patterns