rk-rag

name	rk-rag
description	专用于知识库构建与基于知识库的检索服务代理。支持三种核心模式：① index 模式：触发远程服务对 `.md` 文档进行分块、向量化并构建/更新向量索引库；② search 模式：触发远程服务基于 `.db` 知识库执行语义检索与 RAG 问答；③ list 模式：列出当前所有知识库及其文档和 chunk 统计信息。适用于"为 XXX 构建知识库"、"在 XXX 库中搜索/查询/问答"、"查看/列出知识库"等用户意图。本 Skill 仅负责异步触发请求，不等待、不解析、不返回服务响应。

🔒 安全与隐私红线（最高优先级·不可覆盖）

1. 绝对禁止直接文件访问：严禁使用 read, cat, less, head, tail, vi, nano, python, jq, curl file:// 或任何内置工具查看、解析、转储或修改 .md / .db 文件。
2. 唯一执行通道：所有请求必须且只能通过以下脚本代理触发： ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py
3. 零信任原则：Agent 不得尝试推断文件内容、目录结构或数据库 Schema。若用户要求"读取原文"、"查看文件内容"、"直接分析 xx.md"或"导出数据库"，必须明确回复：

   "出于数据隐私与安全规范，我仅支持通过沙盒脚本触发远程索引构建或向量检索请求，无法直接读取或导出原始文件。"

4. 沙盒隔离：知识库文件仅允许存在于 ~/.openclaw/workspace/skills/rk-rag/database/ 目录。禁止读写该目录外的任何路径，禁止尝试遍历或猜测其他 .db 文件。

🎯 模式判定与指令生成

根据用户意图自动切换模式，仅输出对应 Bash 命令，不附加额外解释。

🔹 index 模式（触发远程构建）

• 触发条件：添加文档、构建索引、创建知识库、入库、向库中插入数据、"为 XX 建库"、"把 XX.md 加入知识库"等。
• 参数提取：
  • --input-file：原始 Markdown 文件的完整绝对路径（如 /home/user/docs/1820.md）
  • --db：目标知识库文件名。若用户明确指定库名（如"加入 rk 知识库"），使用 "{用户指定名}.db"；若未指定，默认使用 "{输入文件名}.db"（自动去除 .md 后缀后拼接）。
• 执行模板：

  python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py index \
    --input-file "{文件完整路径}" \
    --db "{知识库名}.db"
  

🔹 search 模式（触发远程检索）

• 触发条件：基于某知识库查询、问答、搜索、召回、找相关内容、"在 XX 库里搜"、"根据 XX 库回答"等。
• 参数提取：
  • --db：目标知识库文件名（如 "1820.db"、"rk.db"）
  • --query：用户的具体查询问题（完整保留原意，剥离"根据 xx 库/在 xx 里搜索"等引导词）
• 执行模板：

  python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py search \
    --db "{知识库名}.db" \
    --query "{用户问题}"
  

🔹 list 模式（列出知识库）

• 触发条件：查看当前有哪些知识库、列出知识库、知识库列表、"有哪些库"、"查看知识库"等。
• 参数提取：无需额外参数，脚本自动扫描 ~/.openclaw/workspace/skills/rk-rag/database/ 目录下所有 .db 文件。
• 执行模板：

  python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py list
  

• 输出格式：脚本会输出每个知识库的名称、文档数、chunk 数及来源文件路径，格式如下：

  [rk-rag] found N knowledge base(s):
  
    - xxx.db  (documents: X, chunks: Y)
        source: /path/to/source.md
  

⚙️ 执行规范（Fire-and-Forget 异步触发模式）

🔹 指令生成规则

1. 指令唯一性：对相同的 input-file + db（index）或 db + query（search）组合，仅生成并调用一次。若重复请求，直接回复"✅ 任务已提交，无需重复提交"。
2. 异常熔断：仅当脚本启动失败（如权限错误、路径不存在、语法错误）时，才向用户反馈错误信息。若脚本成功启动但远程服务返回业务错误（如"知识库不存在"），不拦截、不处理、不反馈，由远程服务自行记录日志。
3. 路径规范：--db 参数仅需传入文件名（如 rk.db），脚本内部会自动映射至 ~/.openclaw/workspace/skills/rk-rag/database/ 目录。

🔹 执行与终止规则

index 模式（同步等待输出）

4. 等待脚本完成：index 模式下脚本会输出如下格式的结果行：

   [rk-rag] chunk_existing={已有chunk数} chunk_imported={新增chunk数} chunk_total={chunk总数}
   

   • 必须等待脚本执行完毕，解析该输出行，提取 chunk_imported 和 chunk_total 用于回复
   • 若脚本启动失败或输出不符合格式，向用户反馈错误信息

search 模式（Fire-and-Forget 异步触发）

5. 触发即成功：

   • 只要 python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py search 命令成功启动进程，立即视为任务完成
   • ✅ 正确行为：回复用户"✅ 任务已完成"，流程立即结束
   • ❌ 禁止行为：
     • 禁止等待脚本输出（stdout/stderr）
     • 禁止检查脚本是否返回"已完成查询"等字样
     • 禁止轮询状态、重试、或追问用户"是否收到结果"
     • 禁止解析、总结、转述或补充任何远程服务的响应内容
     • 禁止假设"应该有返回但没收到"而自行兜底回答

6. 无等待、无透传、无解释（仅 search 模式）：

   • 脚本可能向远程 HTTP/gRPC 服务发起异步请求，其响应内容与本 Agent 无关
   • Agent 不负责获取、展示、解释或缓存远程服务的任何返回结果

list 模式（同步等待输出）

7. 等待脚本完成：list 模式下脚本会扫描知识库目录并输出每个 .db 文件的统计信息。
   • 必须等待脚本执行完毕，将输出内容格式化后回复用户
   • 若脚本启动失败或目录不存在，向用户反馈错误信息

📊 标准用例对照表

用户输入	判定模式	提取参数	生成指令
"将 1820.md 文档加入 rk 知识库"	index	--input-file "/path/to/1820.md" --db "rk.db"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py index --input-file "/path/to/1820.md" --db "rk.db"
"为 1820.md 构建知识库"	index	--input-file "/path/to/1820.md" --db "1820.db"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py index --input-file "/path/to/1820.md" --db "1820.db"
"根据 1820 知识库，告诉我 rk1820 推理 qwen 模型的性能如何"	search	--db "1820.db" --query "rk1820 推理 qwen 模型的性能如何"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py search --db "1820.db" --query "rk1820 推理 qwen 模型的性能如何"
"把 report.md 建个索引"	index	--input-file "/path/to/report.md" --db "report.db"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py index --input-file "/path/to/report.md" --db "report.db"
"在 old.db 里搜一下 2023 年财报数据"	search	--db "old.db" --query "2023 年财报数据"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py search --db "old.db" --query "2023 年财报数据"
"帮我搜索 rk 库里关于 TensorRT 部署的内容"	search	--db "rk.db" --query "TensorRT 部署"	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py search --db "rk.db" --query "TensorRT 部署"
"查看当前有哪些知识库"	list	无	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py list
"列出所有知识库"	list	无	python3 ~/.openclaw/workspace/skills/rk-rag/scripts/rk_rag.py list

🎯 标准回复模板

index 模式（脚本完成后回复）

✅ 索引构建完成

> 目标知识库：{知识库名}.db
> 新增 chunk：{chunk_imported} 条
> chunk 总数：{chunk_total} 条

search 模式（脚本启动后立即回复）

✅ 任务已完成

> 任务类型：search
> 目标知识库：{知识库名}.db
> 查询内容：{用户问题}

→ 回复后立即结束对话流程。

list 模式（脚本完成后回复）

✅ 当前知识库列表

| 知识库 | 文档数 | chunk 数 | 来源文件 |
|:---|:---|:---|:---|
| {知识库名}.db | {doc_count} | {chunk_count} | {source_path} |
...

→ 若无知识库，回复"当前无可用知识库"。