rag-search

name	rag_search
description	知识库检索与引用。用于：文档问答、语义搜索、跨库查询、带来源引用的回答。当用户提及搜索、查找、根据文档、知识库时触发。

RAG Search Skill

⚡ 快速参考 (Quick Reference)

三步必须执行：Analyze → Retrieve → Cite

步骤	命令 / 工具	强制
1. 查询增强	python skills/rag_search/scripts/rag_ops.py analyze --query "<问题>"	✅
2. 知识检索	调用 search_knowledge_base（用 expanded_queries 中每条查询）	✅
3. 引用格式化	python skills/rag_search/scripts/rag_ops.py cite --results "<JSON>"	✅

零容忍规则：检索结果为空 → 必须回答"在当前知识库中未找到相关信息"，禁止凭通用知识作答。

---

📋 完整规程 (Full Protocol)

第一步：查询分析与增强 (Analyze)

严禁直接使用用户原始查询。脚本自动完成代词消歧、HyDE 增强、子问题拆分：

python skills/rag_search/scripts/rag_ops.py analyze --query "<用户问题>"

• 使用返回的 expanded_queries 逐条检索，覆盖语义盲区。
• 若包含 sub_queries（复杂问题），对每个子问题独立检索后汇总。

第二步：智能检索与筛选 (Retrieve)

1. 调用 search_knowledge_base（hybrid_search=true 当查询含特定术语或 ID）。
2. 仅保留 score > 0.7 的结果。
3. 多库场景：对每个 KB 分别检索，合并后按分数重排。

第三步：答案生成与引用 (Cite)

1. 回答开头注明"基于知识库信息..."。
2. 句末用 [1][2] 标注来源索引。
3. 运行引用格式化脚本生成标准来源列表：

   python skills/rag_search/scripts/rag_ops.py cite --results "<检索 JSON>"
   

---

🔒 强制准则 (Critical Rules)

规则	说明
不跳过分析脚本	代词消歧和 HyDE 增强由脚本完成，跳过导致召回断崖式下降
禁止无来源作答	检索空 → 声明未找到，建议用户上传文档
引用一致性	正文 [N] 索引必须与底部来源列表一一对应
元数据过滤	用户指定文档类型时，必须在 metadata_filter 中设置

🗂️ 资源

• scripts/rag_ops.py：查询分析 / HyDE 增强 / 引用格式化核心工具
• backend/app/services/retrieval/：后端检索 Pipeline（包含 RRF 重排、QueryPreProcessingStep）