Local Rag Tool Free

本地文件RAG检索工具，支持文档索引、语义搜索和上下文注入，适合个人用户快速建立本地知识库。

Install

openclaw skills install @thcjp/local-rag-tool-free

本地文件检索（免费版）

概述

本地文件检索是针对RAG检索领域的专业化AI辅助工具。免费版面向个人用户，提供核心功能与基础用法，适合快速上手和日常使用。

本工具经过深度优化，增强元数据和适用关键词，完全适配SkillHub平台规范。

核心能力

文档索引、语义搜索、上下文注入、分块策略、向量存储、检索增强生成

核心能力(补充)

执行核心能力操作,使用input_params参数进行配置,支持创建/查询/导出等操作。

执行此能力时使用input_params参数,支持创建/查询/导出操作

基础功能完整覆盖

输入: 用户提供基础功能完整覆盖所需的指令和必要参数。处理: 解析基础功能完整覆盖的输入参数,完成核心逻辑,返回结构化响应。输出: 返回基础功能完整覆盖的响应数据,包含状态码、结果和日志。

执行此能力时使用input_params参数,支持创建/查询/导出操作

简洁易用的操作接口

输入: 用户提供简洁易用的操作接口所需的指令和必要参数。处理: 解析简洁易用的操作接口的输入参数,完成核心逻辑,返回结构化响应。输出: 返回简洁易用的操作接口的响应数据,包含状态码、结果和日志。

执行此能力时使用input_params参数,支持创建/查询/导出操作

标准格式输入输出

输入: 用户提供标准格式输入输出所需的指令和必要参数。处理: 解析标准格式输入输出的输入参数,完成核心逻辑,返回结构化响应。输出: 返回标准格式输入输出的响应数据,包含状态码、结果和日志。

执行此能力时使用input_params参数,支持创建/查询/导出操作

快速上手

快速上手，零配置即可使用

输入: 用户提供快速上手所需的指令和必要参数。处理: 解析快速上手的输入参数,完成核心逻辑,返回结构化响应。输出: 返回快速上手的响应数据,包含状态码、结果和日志。

执行此能力时使用input_params参数,支持创建/查询/导出操作

适合个人日常使用场景

输入: 用户提供适合个人日常使用场景所需的指令和必要参数。处理: 解析适合个人日常使用场景的输入参数,完成核心逻辑,返回结构化响应。输出: 返回适合个人日常使用场景的响应数据,包含状态码、结果和日志。

执行此能力时使用input_params参数,支持创建/查询/导出操作

输入: 用户提供核心能力所需的指令和必要参数。处理: 解析核心能力的输入参数,完成核心逻辑,返回结构化响应。输出: 返回核心能力的响应数据,包含状态码、结果和日志。 技术实现要点：核心能力基于input_params参数与output_format配置实现,支持创建/查询/修改/删除等操作模式,通过config_options进行运行时配置。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：本地文件、RAG、检索增强生成工具、支持文档索引、语义搜索与上下文、本地文件检索、免费版等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

常见问题

对本地文档建立索引后进行语义检索和问答。示例指令：`

`搜索本地文档中关于部署的内容

操作流程：

识别用户需求类型
加载对应处理模块
执行操作并返回结果

场景2：代码库检索

对代码文件建立索引，支持代码语义搜索。示例指令：`

`搜索项目中的认证逻辑代码

场景3：知识库构建

将多个文档构建为可检索的本地知识库。示例指令：`

`构建本地知识库

快速开始

阅读## 核心能力章节了解skill功能
按## 依赖说明配置环境
执行所需能力对应的命令
参考## 错误处理章节处理异常
查看## FAQ解答常见疑问

环境准备

输入格式

参数名	类型	必填	说明
input	string	是	本地文件检索（免费版）处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

bash

# 确保Python环境可用
python3 --version
# ...
# 依赖说明
pip install requests

基础用法

python

# 本地RAG基础检索
import os
from pathlib import Path
# ...
def build_index(docs_dir):
    index = {}
    for md_file in Path(docs_dir).rglob("*.md"):
        content = md_file.read_text(encoding="utf-8")
        words = set(content.lower().split())
        for word in words:
            if word not in index:
                index[word] = []
            index[word].append(str(md_file))
    return index
# ...
def search(index, query):
    results = []
    for word in query.lower().split():
        if word in index:
            results.extend(index[word])
    return list(set(results))
# ...
idx = build_index("./docs")
results = search(idx, "部署 配置")
print(f"找到 {len(results)} 个相关文档")

执行结果

完成上述代码后，将根据输入参数返回结构化响应。免费版支持单次任务，适合解析单个文件或任务。

示例

yaml

rag:
  index_dir: "./rag_index"
  chunk_size: 500
  search_mode: keyword

配置说明

配置项	说明	默认值
基础路径	工作目录	`./`
输出格式	结果输出格式	`json`

最佳实践

基础使用建议

明确需求：在使用前明确需要处理的内容和期望结果
检查输入：确保输入文件格式正确、内容完整
保存结果：处理完成后及时保存输出结果
定期清理：定期清理临时文件
错误处理：遇到错误时检查输入参数

性能优化

python

# 免费版：单文件优化
# 确保输入文件不超过建议大小
# 处理完成后释放资源

常见问题(补充)

Q1: 处理速度较慢怎么办？

A: 免费版为单线程处理，对于大文件建议分批处理或升级到专业版获得并行处理能力。

Q2: 支持的文件格式有哪些？

A: 支持标准格式输入输出，常见格式包括JSON、YAML、Markdown等。

Q3: 如何获取API Key？

A: 本skill基于Markdown指令规范，无需额外API Key。如需外部服务API，请参考对应服务的注册流程。

已知限制

A: 免费版支持单次操作，适合个人日常使用。如需批量处理或高级功能，建议升级到专业版。

依赖说明

运行环境

Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
操作系统: Windows / macOS / Linux
Python版本: 3.8+

第三方依赖

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供
numpy	Python库	可选	pip install numpy
rank-bm25	Python库	可选	pip install rank-bm25

API Key 配置

本skill基于Markdown指令规范，无需额外API Key

可用性分类

分类: MD+EXEC（纯Markdown指令，部分功能需要exec命令行执行能力）
说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent完成操作
版本: 免费版（v1.0.0 免费版，核心功能）

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

输出格式

json

{
  "success": true,
  "data": {
    "result": "本地文件检索（免费版）处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "local rag"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}