knowledge-search

name	knowledge_search
description	基于 RAG 的知识库检索技能。从本地文档中检索相关信息，支持语义搜索和精确匹配。适用于问答、信息查询、文档理解等场景。
version	1.0.0
author	SkillMCP-Agent
license	MIT

知识检索技能

此技能使用 RAG（Retrieval-Augmented Generation）技术从本地知识库中检索相关信息。

能力范围

• 语义检索: 基于向量相似度的语义搜索
• 关键词匹配: 精确关键词检索
• 多文档整合: 从多个文档中提取相关片段
• 上下文增强: 将检索结果注入 Prompt 增强回答

使用场景

当用户提出以下类型的问题时，应激活此技能：

• "根据文档，XXX 是什么意思？"
• "在知识库中查找关于 XXX 的信息"
• "帮我找找有关 XXX 的资料"
• 任何需要基于文档回答的问题

依赖工具

工具名称	用途	必需
rag_retriever	向量检索	✅
rag_indexer	文档索引	❌

输入参数

参数	类型	必填	说明
query	string	✅	检索查询
top_k	int	❌	返回结果数量，默认 3
filter	object	❌	过滤条件（文档类型、日期等）
threshold	float	❌	相似度阈值，默认 0.7

输出格式

{
  "success": true,
  "data": {
    "query": "什么是机器学习",
    "results": [
      {
        "content": "机器学习是人工智能的一个分支...",
        "source": "ai_basics.md",
        "score": 0.92,
        "metadata": {
          "page": 1,
          "chunk_id": "chunk_001"
        }
      }
    ],
    "total": 3,
    "context_for_llm": "相关上下文拼接文本..."
  }
}

处理流程

1. 接收用户查询
2. 将查询文本向量化
3. 在 FAISS 索引中执行相似度搜索
4. 获取 Top-K 相关文档片段
5. 整合为可用于 LLM 的上下文

检索策略

• 混合检索: 结合向量检索和关键词匹配
• 重排序: 对检索结果进行二次排序
• 去重: 移除重复或高度相似的片段
• 截断: 控制上下文长度不超过 LLM 限制

注意事项

• 需要先完成文档索引
• 检索结果质量依赖 Embedding 模型
• 建议定期更新索引