القائمة
Use Hermes Dashboard knowledge bases (vector FAISS + GraphRAG) from the agent: list bases, run semantic or graph search, respect indexing status.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | hermes-knowledge-bases |
| description | Use Hermes Dashboard knowledge bases (vector FAISS + GraphRAG) from the agent: list bases, run semantic or graph search, respect indexing status. |
| version | 1.0.0 |
| author | Hermes Agent |
| license | MIT |
| metadata | {"hermes":{"tags":["Research","Knowledge","RAG","Hermes","Dashboard","Vector","GraphRAG","PDF"],"related_skills":["ocr-and-documents"]}} |
在对话中主动使用本机 ~/.hermes（或当前 profile）下与 Dashboard → 知识库 相同的数据：先列库（knowledge_catalog 含 mode），再对 ready 的 vector 库调用 knowledge_vector_query，或对 graphrag 库调用 knowledge_graphrag_query（每次恰好一个 kb_id）。
summary_routing_mode（二选一）：在 Dashboard 为每个库选择 — manual（仅手写 agent_summary，索引不跑摘要 LLM，不写 routing_summary.txt；knowledge_catalog 里 routing_summary 恒为 null）、auto（索引成功后由 LLM 写入 routing_summary.txt，手写字段不参与路由）。默认 auto。全局开关 knowledge.routing_summary.enabled: false 时，auto 也不会调用摘要 LLM。routing_summary.txt（自动生成）：在 auto 且全局未关闭时，每次成功向量重建索引末尾由 LLM 写入 knowledge/bases/<kb_id>/routing_summary.txt。REST GET /bases 始终返回磁盘内容（便于调试）；knowledge_catalog 在 manual 下不把该文件放进 routing_summary。agent_summary（手写）：注册表字段；仅在 manual 下用于 Agent 选库（配合名称）。hermes-cli / hermes-cron 工具集已通过 includes 并入 knowledge（含 knowledge_catalog、knowledge_list_bases、knowledge_vector_query、knowledge_graphrag_query）。若你的 toolsets 里没有使用 hermes-cli，或显式用了其它组合，再按需加上 knowledge 工具集。OPENAI_API_KEY）与 FAISS（pip install -e ".[web,knowledge]" 等）；不满足时 knowledge_vector_query 会从 schema 中隐藏。GraphRAG：需 [knowledge-graphrag] 与 OPENAI_* / GRAPHRAG_API_KEY；不满足时 knowledge_graphrag_query 隐藏。索引 auto 且全局未关时，重建还需 聊天补全。indexing_status 为 ready；vector 走 FAISS 工具，graphrag 走 GraphRAG 工具；未就绪时让用户在 Dashboard 上传并「重建索引」。config.yaml → knowledge.retrieval（与 Dashboard / CLI 共用）：默认 two_stage: true — 服务端先按 recall_per_kb 加宽各库向量召回，合并去重至 max_candidates，再在候选上做 BM25 + 向量分混合（lexical_weight 为 BM25 权重，不是分数阈值）；two_stage: false 与早期行为一致（每库只取请求的 top_k 再合并）。工具返回里 score 为最终排序分；若启用混合，常有 recall_score 表示粗排向量分。详见 docs/zh/knowledge-api.md §1.4、§2.9、§4。web_search 等）的关系pre_llm_call 注入仍为规划项）。web_search / web_extract（或浏览器工具），与知识库互补，不是二选一互斥，但不要用 knowledge_vector_query 代替公网搜索。knowledge_vector_query 时会走 embedding API（与 Dashboard 一致），这是访问嵌入服务端点的网络请求，与「网页搜索」不是同一路能力。先读轻量路由信息，再 RAG：knowledge_catalog 返回 mode、summary_routing_mode、routing_summary（按模式可能为 null）、agent_summary。按 hint 与摘要选库后：mode=vector → knowledge_vector_query（可多库）；mode=graphrag → knowledge_graphrag_query（单次调用只能一个 kb_id；graphrag_method 常用 auto，由 knowledge.graphrag.auto_method 在 local/global/basic 间启发式选择，响应里带 resolved_graphrag_method）。
与联网的关系（软性）：若问题有可能落在已索引材料里，可先 knowledge_catalog → 对应查询工具，再视需要补 web_search / web_extract。
| 步骤 | 工具 | 说明 |
|---|---|---|
| 1 | knowledge_catalog | 含 mode、summary_routing_mode；manual 时只用 agent_summary；auto 用 routing_summary |
| 2 | knowledge_vector_query 或 knowledge_graphrag_query | vector：多 kb_ids + query；graphrag：单 id + query + 可选 graphrag_method |
| （可选） | knowledge_list_bases | 调试分块等完整元数据 |
若某库 manual 且 agent_summary 为空，则主要依赖 name。
kb_ids 为空：若运行环境设置了 HERMES_ACTIVE_KB_IDS（逗号分隔），向量工具可使用多个 id；GraphRAG 工具仅支持恰好一个 id（多库请分次调用或显式传一个 uuid）。top_k（向量）：默认 8；回答时注明来源与相关性。query_vector_bases），不经过浏览器 HTTP，适合 CLI / TUI / Gateway。kb_ids。indexing_status 不是 ready 的库上反复查询（先提醒用户重建索引）。web_search。