Concept Rag

🧠 概念知识库搜索MCP服务器

RAG MCP服务器，使LLM能够通过概念搜索与本地PDF/EPUB文档的矢量数据库分块库进行交互。结合语料库驱动的概念提取、WordNet语义丰富和LanceDB支持的多信号混合排名，以提高检索精度。

______________________________________________________________________

______________________________________________________________________

🎯 概述

概念RAG使用 Goal → 活动→ 技能→ Tool 帮助AI代理高效获取知识的架构。

在初始设置始终应用后 规则，代理人能够使用暴露的 指导 资源用于：

1. 匹配用户的目标 对一个 活动 （例如，“理解一个主题”、“探索一个概念”）
2. 跟随 技能 工作流 它精心策划了右翼 工具 序列
3. 综合答案 有引文

这减少了上下文开销，并提供了确定性的工具选择。

______________________________________________________________________

🚀 快速开始

先决条件

• Node.js 18+
• Python 3.9+与NLTK
• OpenRouter API密钥(在这里注册)
• MCP客户端（光标或克劳德桌面）

安装

# Clone and build
git clone https://github.com/m2ux/concept-rag.git
cd concept-rag
npm install
npm run build

# Install WordNet
pip3 install nltk
python3 -c "import nltk; nltk.download('wordnet'); nltk.download('omw-1.4')"

# Configure API key
cp .env.example .env
# Edit .env and add your OpenRouter API key

为您的文档添加种子

source .env

# Initial seeding (create database)
npx tsx hybrid_fast_seed.ts \
  --dbpath ~/.concept_rag \
  --filesdir ~/Documents/my-pdfs \
  --overwrite

# Incremental seeding (add new documents only)
npx tsx hybrid_fast_seed.ts \
  --dbpath ~/.concept_rag \
  --filesdir ~/Documents/my-pdfs

配置MCP客户端

光标 (~/.cursor/mcp.json):

{
  "mcpServers": {
    "concept-rag": {
      "command": "node",
      "args": [
        "/path/to/concept-rag/dist/conceptual_index.js",
        "/home/username/.concept_rag"
      ]
    }
  }
}

重新启动MCP客户端并开始搜索。看 设置.md 对于其他IDE。

🙏 致谢

📜 许可证

MIT许可证-请参阅 许可证 了解详情。