本地RAG搜索

技能简介

local-rag-search 是一个基于 MCP 的本地 RAG 搜索技能，通过语义相似度评分对网页搜索结果进行智能排序。该技能无需调用外部 API，支持 DuckDuckGo、Google 等多种搜索引擎，适用于快速信息查询与深度研究场景。

业务背景

业务人员日常调研常面临搜索结果杂乱、信息过载的问题。该技能在本地对网页搜索结果进行语义智能排序，无需调用外部API即可优先呈现最相关内容，支持单引擎快速查询或多引擎深度研究，帮助用户高效获取精准信息，降低筛选成本。

落地案例：某产品经理需要了解「低代码平台市场格局」，启用DuckDuckGo和Google双引擎深度研究模式，设置初始获取20条结果、返回语义最相关的8条。系统在本地对抓取内容进行相似度评分，自动过滤低质量页面，最终输出按相关度排序的结果清单及综合对比摘要，帮助他1小时内完成竞品调研，无需逐页浏览数十个搜索链接。

能做什么

• 执行隐私优先的 DuckDuckGo 搜索，适合日常信息查询
• 调用 Google 搜索获取技术文档与专业内容
• 启用多引擎深度研究，整合多个来源的视角
• 针对复杂主题生成综合研究报告
• 通过语义评分自动筛选最相关的结果条目

使用说明

安装指令

该技能依赖 mcp-local-rag MCP 服务器，需先完成服务器部署：

1. 克隆仓库并进入目录：git clone https://github.com/nkapila6/mcp-local-rag && cd mcp-local-rag
2. 安装依赖：pip install -r requirements.txt
3. 启动 MCP 服务器（具体命令参考原仓库 README）
4. 在客户端配置中注册该技能路径

基础调用示例

rag_search_ddgs(
    query="Python 异步编程最佳实践",
    num_results=10,
    top_k=5
)

深度研究示例

deep_research(
    search_terms=[
        "机器学习基础概念",
        "神经网络架构设计",
        "2024年深度学习趋势"
    ],
    backends=["google", "duckduckgo"],
    top_k_per_term=5
)

输入与输出

见下方输入与输出表格。

风险提示

• 搜索结果受网络环境与搜索引擎策略影响，可能存在时效性偏差
• 语义评分模型对中文查询的优化程度未经充分验证
• 多引擎并发请求可能触发速率限制，建议控制 backends 数量
• 本地服务器资源消耗随 num_results 参数线性增长
• 部分搜索引擎（如 Google）可能需要额外配置以避免访问拦截

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/nkapila6/local-rag-search/SKILL.md
来源类型：GitHub 开源技能仓库