本地RAG知识库

技能简介

RAGLite 是一个本地优先的 RAG（检索增强生成）缓存工具，用于将文档转换为结构化 Markdown 后建立索引，支持向量相似度与关键词混合检索。数据保留在本地，适合处理私人笔记、内部文档等敏感内容。

业务背景

解决企业内部敏感文档的安全检索需求。通过本地化处理，私人笔记、内部资料等无需上传云端即可实现智能搜索，既保护数据隐私，又降低合规风险。混合检索机制兼顾语义理解与精准匹配，提升知识查找效率。

落地案例：某团队积累大量项目文档与会议纪要，分散存储难以快速定位信息。使用RAGLite将文档转为结构化Markdown并建立本地向量索引后，成员可通过自然语言提问或关键词组合检索，秒级获取相关内容。所有处理均在本地完成，避免敏感商业信息外泄，同时生成可审计的中间文件便于版本追溯。

能做什么

• 将各类文档蒸馏为低冗余的结构化 Markdown
• 使用 Chroma 在本地建立向量索引，无需托管数据库
• 通过向量相似度 + ripgrep 关键词实现混合检索
• 生成可审计、可版本控制的人工可读中间文件

使用说明

安装步骤：

1. 确保系统已安装 Python 3.11+、pip、ripgrep（brew install ripgrep）
2. 运行安装脚本：
   ./scripts/install.sh
3. 该脚本会从 GitHub 安装 git+https://github.com/VirajSanghvi1/raglite.git@main

执行流程：

1. 启动 Chroma 服务（默认 http://127.0.0.1:8100）
2. 执行文档处理与索引：
   ./scripts/raglite.sh run /path/to/docs --out ./raglite_out --collection my-docs --chroma-url http://127.0.0.1:8100 --skip-existing --skip-indexed --nodes
3. 执行查询：
   ./scripts/raglite.sh query ./raglite_out --collection my-docs --top-k 5 --keyword-top-k 5 "查询内容"

输入与输出

见下方输入与输出表格。

风险提示

• Chroma 服务未启动会导致索引或查询失败
• 未安装 ripgrep 时关键词检索功能不可用
• 使用 OpenClaw 引擎需配置网关地址与认证令牌
• 大文档批量处理可能消耗较多本地计算资源

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/virajsanghvi1/raglite-library/SKILL.md
来源类型：GitHub 开源项目