Agent Skills
返回列表
本地 RAG 搭建工具

本地 RAG 搭建工具

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_800d68d6/local-rag-builder。

技能介绍

解决的问题

本地 RAG 往往卡在环境、模型、切分和检索精度之间：Python 依赖缺失、嵌入模型下载失败、代码块/表格被切散、多个知识库互相串。local-rag-builder 把这些步骤串成可调试的流水线，让智能体先拿到可用 context，再由模型组织答案。

工作方式

  • 环境准备：rag_env_setup.py 检测 Python 3.11+、安装 chromadb、sentence-transformers、langchain 等依赖。
  • 模型与入库：多源下载嵌入模型，支持重试和路径修正；文档经 text_splitter.py 切分后写入 Chroma，使用 SM3 哈希去重。
  • 切分与检索：支持固定窗口、递归、标题层级、按句、语义切分；GuardStack 保护代码、公式、表格、HTML；可选 Rerank 与知识库路由。
  • 两种模式：rag_skill.py 只做检索，交给智能体回答；rag_standalone.py 检索后调用 LM Studio、Ollama 或 vLLM 生成答案。

适用边界

适合本地私有文档、Markdown/PDF 资料、单进程知识库场景。原生纯文本格式最好，PDF/图片 OCR 需开启；不直接支持 OpenAI/Cohere API 嵌入；单库建议 5 万条以内，不适合多用户并发写入。

使用场景

  • 维护内部运维手册时，把 Markdown 和 PDF 入库，并用层级切分回答故障排查问题。
  • 嵌入模型下载失败时，切换 ModelScope 或 HuggingFace 镜像重试，并校验本地缓存路径。
  • 管理多个项目资料时，创建独立知识库，按自动分类规则入库，再检索相似文档。
  • 回答前需要保留代码块和表格结构时，配置 GuardStack 与后处理子切，避免上下文被截断。

适合人员

  • 维护私有文档库、希望本地检索不上传原文的工程师
  • 需要给智能体接检索上下文、但不想额外部署 LLM 的 AI 应用开发者
  • 经常处理 Markdown、PDF 和结构化文档，需要可控切分策略的技术写作者
  • 在 LM Studio、Ollama 或 vLLM 上跑本地模型，想组合检索与生成的本地推理用户