rag-knowledge

name	rag-knowledge
description	RAG (Retrieval-Augmented Generation) sobre base de conocimiento en Azure AI Search. Rick puede indexar documentos (Notion pages, archivos, web), buscar con búsqueda híbrida (keyword + vector), y responder preguntas con contexto recuperado. Usa cuando "buscar en la base de conocimiento", "qué sabemos de", "indexar documentos", "RAG", "buscar en nuestros docs", "base de conocimiento", "knowledge base", "pregunta sobre el proyecto".
metadata	{"openclaw":{"emoji":"📚","requires":{"env":["AZURE_SEARCH_ENDPOINT","AZURE_SEARCH_API_KEY","AZURE_OPENAI_ENDPOINT","AZURE_OPENAI_API_KEY"]}}}

RAG Knowledge Skill

Rick puede indexar documentos en Azure AI Search y luego buscar/responder preguntas usando contexto recuperado (RAG).

Cuándo usar

• David pregunta algo que debería estar en la documentación interna.
• Se necesita buscar información en documentos ya indexados.
• Se requiere indexar nuevos documentos al knowledge base.
• Responder preguntas complejas con evidencia de múltiples fuentes.

Tasks disponibles

1. Crear/actualizar índice

{
  "task": "rag.ensure_index",
  "input": {
    "index_name": "umbral-knowledge"
  }
}

2. Indexar documentos

{
  "task": "rag.index",
  "input": {
    "documents": [
      {
        "content": "Texto completo del documento...",
        "title": "Arquitectura Worker v2",
        "source": "docs/01-architecture-v2.3.md",
        "source_type": "file"
      }
    ],
    "chunk_size": 1000,
    "chunk_overlap": 200
  }
}

3. Buscar (sin LLM)

{
  "task": "rag.search",
  "input": {
    "query": "cómo funciona el dispatcher",
    "top": 5,
    "mode": "hybrid",
    "source_type_filter": "file"
  }
}

4. Preguntar (buscar + LLM)

{
  "task": "rag.query",
  "input": {
    "question": "¿Cómo maneja el Worker las tareas de Notion?",
    "top": 5,
    "model": "azure_foundry"
  }
}

Parámetros de búsqueda

Campo	Tipo	Default	Descripción
query / question	str	requerido	Texto de búsqueda o pregunta
top	int	5	Número de resultados (max 20)
mode	str	"hybrid"	"keyword", "vector", o "hybrid"
source_filter	str	—	Filtrar por fuente específica
source_type_filter	str	—	Filtrar por tipo: notion, file, web

Flujo RAG (rag.query)

1. Retrieve — Búsqueda híbrida en Azure AI Search (keyword + vector).
2. Augment — Contexto recuperado se inyecta en system prompt del LLM.
3. Generate — LLM genera respuesta basada SOLO en contexto recuperado. Si no hay suficiente contexto, lo declara explícitamente.

Fuentes indexables

Tipo	source_type	Ejemplo
Docs del repo	file	docs/01-architecture-v2.3.md
Páginas Notion	notion	notion://page/{id}
Transcripts Granola	granola	granola://session/{id}
Web research	web	https://example.com/article
Runbooks	file	runbooks/deploy-worker.md

Pipeline típico de indexación

Rick puede combinar las herramientas existentes para indexar:

1. notion.read_page → obtener contenido
2. rag.index → indexar con source_type="notion"
3. Repetir para múltiples páginas

O para documentos del repo:

1. Leer archivos desde docs/ o runbooks/
2. rag.index → indexar con source_type="file"