- name
- adaptive-rag-engine
- version
- 1.0.0
- description
- Adaptive RAG 引擎 — 从线性检索到自主认知循环。集成胶囊预筛选、智能路由、CRAG纠错、L3校验。当需要搜索记忆/检索信息/回答复杂问题时触发。关键词：RAG、检索、记忆搜索、向量检索、Agentic RAG、CRAG。
- metadata
- requires
- bins
- ["python3"]
🧠 Adaptive RAG Engine v1.0
不是管道，是认知循环。
核心能力
| 能力 | 说明 | 触发方式 |
|---|---|---|
| Adaptive Router | 判断是否需要检索，简单问题直接答 | 自动（每次 memory_search 前） |
| Capsule Pre-filter | 42个胶囊标题预匹配，缩小范围 90% | 自动（Router 通过后） |
| Vector Search | bge-m3 向量检索 Top-20 | memory_search 工具 |
| LLM Re-rank | 语义重排序 Top-20 → Top-5 | 检索后自动 |
| CRAG Evaluator | 质量评估 + 低分补搜 | 检索后自动 |
| L3 Gatekeeper | 输出前与核心洞察校验 | 生成前自动 |
| Memory Bridge | Active Memory ↔ Phoenix 双向桥接 | 对话结束时 |
使用流程
对于 CEO（小鸟文书）
此 Skill 是协议层，不需要显式调用。它通过以下方式生效：
- 读取协议文件:
rules/adaptive-rag-protocol.md— 获取完整决策树 - 读取胶囊索引:
memory/topics/.capsule-index.json— 获取 42 个胶囊元数据 - 按决策树执行: 每次需要记忆时，走 Router → Pre-filter → Search → Rank → CRAG → Generate → Verify
对于 SubAgent
SubAgent 在执行任务时：
- 先判断任务类型 → 决定是否需要检索
- 需要检索时 → 先做胶囊预筛选
- 检索结果 → 自行判断质量（CRAG 思维）
- 输出前 → 自检是否与已知信息矛盾
关键文件
| 文件 | 用途 |
|---|---|
rules/adaptive-rag-protocol.md | 完整协议（决策树/分类/bridge/CRAG/L3） |
memory/topics/.capsule-index.json | 42个胶囊的结构化索引 |
scripts/build-capsule-index.py | 重建胶囊索引脚本 |
scripts/rag-evaluate.py | CRAG 质量评估脚本 |
快速命令
# 重建胶囊索引
python3 ~/.openclaw/workspace/skills/adaptive-rag-engine/scripts/build-capsule-index.py
# 评估检索质量
python3 ~/.openclaw/workspace/skills/adaptive-rag-engine/scripts/rag-evaluate.py --query "xxx" --results "result1, result2"与其他 Skill 的关系
- dynamic-rag-capsule — Context 管理层面的胶囊化（对话太长时压缩）
- phoenix-memory — 记忆存储和衰减管理（四层架构）
- 本 Skill — 检索策略和质量控制（怎么搜、搜到后怎么办）
三者关系：phoenix-memory 是仓库，dynamic-rag-capsule 是打包器，adaptive-rag-engine 是导航仪