rag

name	rag
description	查询计量经济学RAG知识库。当用户输入以"rag："开头时，LLM会使用Python查询Bruce Hansen计量经济学教材的RAG数据库，返回相关文档内容。

RAG 查询技能

此技能允许代理查询计量经济学RAG知识库，该知识库基于Bruce Hansen的计量经济学教材构建。

概述

• 数据库类型: FAISS 向量数据库
• 数据库位置: D:\AutoRegMonkey\database\rag_db\

使用方法

当用户输入以"rag："开头时，执行以下步骤：

1. 提取查询问题: 识别"rag："后面的查询文本
2. 调用Python脚本: 使用用户的Python环境执行RAG查询
3. 返回结果: 将查询结果格式化后呈现给用户

Python 脚本模板

强制Python I/O用UTF-8：sys.stdout.reconfigure(encoding='utf-8') 和 sys.stderr.reconfigure(encoding='utf-8') 使用以下Python代码进行查询：

import sys
sys.path.append(r"D:\AutoRegMonkey\database")
from rag_query import EconometricsRAG
sys.stdout.reconfigure(encoding='utf-8')
sys.stderr.reconfigure(encoding='utf-8')

# 初始化RAG
rag = EconometricsRAG()

# 执行查询（从用户输入中提取的问题）
results = rag.query("用户的问题", n_results=5)

# 处理并输出结果
output_lines = []
for i, r in enumerate(results):
    chunk = r['chunk']
    score = r['score']
    output_lines.append(f"【结果 {i+1}】 - 来源: 第{chunk['page']}页, 相似度: {score:.4f}")
    output_lines.append(f"{chunk['text'][:500]}{'...' if len(chunk['text']) > 500 else ''}")
    output_lines.append("---")

print("\n".join(output_lines))

通过Bash执行

在Bash工具中使用以下命令：

"C:\Users\29165\anaconda3\python.exe" -c "
import sys
sys.path.append(r'D:\AutoRegMonkey\database')
from rag_query import EconometricsRAG

rag = EconometricsRAG()
results = rag.query('用户的问题', n_results=5)

for i, r in enumerate(results):
    chunk = r['chunk']
    score = r['score']
    print(f'【结果 {i+1}】 - 来源: 第{chunk[\"page\"]}页, 相似度: {score:.4f}')
    print(f'{chunk[\"text\"][:500]}{\"...\" if len(chunk[\"text\"]) > 500 else \"\"}')
    print('---')
"

注意：将'用户的问题'替换为实际查询文本。

查询示例

示例1: 基础查询

用户输入: rag：什么是OLS回归？

执行代码:

"C:\Users\29165\anaconda3\python.exe" -c "
import sys
sys.path.append(r'D:\AutoRegMonkey\database')
from rag_query import EconometricsRAG

rag = EconometricsRAG()
results = rag.query('什么是OLS回归？', n_results=5)

for i, r in enumerate(results):
    chunk = r['chunk']
    score = r['score']
    print(f'【结果 {i+1}】 - 来源: 第{chunk[\"page\"]}页, 相似度: {score:.4f}')
    print(f'{chunk[\"text\"][:500]}{\"...\" if len(chunk[\"text\"]) > 500 else \"\"}')
    print('---')
"

示例2: 获取LLM上下文

如果需要在其他分析中使用RAG上下文，可以使用get_context()方法：

context = rag.get_context("heteroskedasticity robust standard errors", n_results=3)
print(context)

示例3: 按页码搜索

chunks = rag.search_by_page(page_number=100)
for chunk in chunks:
    print(f"第{chunk['page']}页: {chunk['text'][:200]}")

文件组织

• 原始数据: D:\AutoRegMonkey\database\rag_db\ (FAISS索引和文档块)
• 查询接口: D:\AutoRegMonkey\database\rag_query.py
• API文档: D:\AutoRegMonkey\database\RAG_API_说明.md

注意事项

1. Python环境: 使用用户的Anaconda Python环境 (C:\Users\29165\anaconda3\python.exe)
2. 路径引用: 确保正确引用包含空格或特殊字符的路径
3. 结果数量: 默认返回5个最相关结果，可根据需要调整n_results参数
4. 输出格式: 保持输出整洁，限制文本长度以便阅读
5. 错误处理: 如果查询失败，检查数据库路径和Python模块导入

高级用法

与其他技能结合

此技能可与autoregmonkey技能结合使用，在计量经济学分析过程中实时查询相关知识：

1. 用户输入以"autoregmonkey："开头的计量任务
2. 在分析过程中，使用RAG技能查询相关计量理论
3. 将查询结果融入分析报告

批量查询

对于复杂问题，可执行多次查询以获取全面信息：

queries = ["OLS regression", "heteroskedasticity", "instrumental variables"]
for q in queries:
    results = rag.query(q, n_results=2)
    # 处理结果...

故障排除

• 导入错误: 确保sys.path.append(r'D:\AutoRegMonkey\database')已添加
• 模块未找到: 检查rag_query.py文件是否存在
• 数据库错误: 确认D:\AutoRegMonkey\database\rag_db\目录包含必要文件
• 编码问题: 使用encoding='utf-8'处理中英文文本