By 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)
- 调用
search_knowledge_base（hybrid_search=true当查询含特定术语或 ID）。 - 仅保留
score > 0.7的结果。 - 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)
- 回答开头注明"基于知识库信息..."。
- 句末用
[1][2]标注来源索引。 - 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）