Token导航 LogoToken导航

Agent Skill · 研究检索

ck-rag-skill(CK RAG 技能)

用于搭建或维护带检索增强的 RAG 工作流,适合让 Agent 处理知识库问答、向量检索、来源引用和事实核查。它可以辅助整理数据接入、Embedding、向量库、召回参数和回答生成流程。使用时需要确认数据来源、更新频率、召回阈值和引用展示方式,避免把未命中的资料或过期内容包装成确定事实。

ck-rag-skill 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 4,290。

总安装 33,866周安装 1,370GitHub Stars 公开资料未说明下载 10,631核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ck-rag-skill(CK RAG 技能)
来源仓库:https://github.com/chenkun-nuaa/ck-rag-skill
安装命令:
openclaw skills install ck-rag-skill
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install ck-rag-skill

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

RAGFlow知识库问答与操作指导。调用RAGFlow知识库API进行智能问答,并根据知识库返回结果提供代理操作建议。支持流式输出,耐心等待完整响应生成。当用户提出技术问题、故障排查、操作指导或需要知识库检索时触发此技能。适用于容器/Docker问题、系统运维、开发相关问题等场景。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install ck-rag-skill;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

ck-rag-skill 怎么安装?

在终端执行 openclaw skills install ck-rag-skill。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

ck-rag-skill 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

ck-rag-skill 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

ck-rag-skill 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

ck-rag-skill 用的人多吗?

公开数据是累计安装 33,866 次,近一周安装 1,370 次,下载 10,631 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

ck-rag-skill 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
ck-rag-skill

CK RAG 技能 · 本页

33,866—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
ragflow-kb
description
RAGFlow知识库问答与操作指导。调用RAGFlow知识库API进行智能问答,并基于知识库返回结果提供agent操作建议。支持流式输出,耐心等待完整响应生成。当用户提出技术问题、故障排查、操作指导或需要知识库检索时触发此技能。适用于容器/Docker问题、系统运维、开发相关问题等场景。

RAGFlow知识库问答Skill

概述

此skill通过调用RAGFlow知识库API,为用户提供智能问答和操作指导。API使用流式输出(Stream)方式返回结果,需要耐心等待完整响应生成(通常5-10秒)。

工作流程

步骤1: 识别问题类型

判断用户的问题是否适合通过知识库查询:

  • 技术问题(容器、Docker、Kubernetes等)
  • 系统运维问题
  • 故障排查
  • 操作指导
  • 其他需要专业知识库的场景

步骤2: 调用RAGFlow API

使用scripts/query_ragflow.py脚本查询知识库:

标准查询(适合正常使用):

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题"

调试模式(查看详细信息):

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" -v
# 或
python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" --verbose

步骤3: 等待流式响应

重要提示:

  • RAGFlow API使用流式输出,响应需要时间生成
  • 无新数据超时:15秒(给流式生成足够时间)
  • 最大总超时:60秒
  • 请求超时:120秒
  • 通常5-10秒能完成,复杂问题可能更久

脚本会显示进度点(.)表示正在接收数据,请耐心等待。

步骤4: 处理返回结果

API返回结果包含:

  • 助手回复:完整的AI生成答案
  • 引用文档:知识库中相关的文档来源
  • 统计信息:处理行数、数据块数量、耗时

步骤5: 总结和操作建议

根据返回结果:

  • 直接回答: 如果是简单问题,直接总结答案
  • 操作指导: 如果问题涉及具体操作(如容器挂了),提供步骤化的操作建议
  • 建议执行agent操作: 如果建议使用其他agent工具,明确指出

API配置

基本信息:

  • API地址: http://172.28.20.46:30001/v1/conversation/completion
  • 认证方式: Bearer token + Cookie session
  • 输出方式: Server-Sent Events (SSE) 流式输出

请求格式:

  • 方法: POST
  • Content-Type: application/json

关键参数:

  • conversation_id: 会话ID(使用固定ID保持对话上下文)
  • messages: 对话历史数组,每个消息包含:

- role: "user" 或 "assistant" - content: 消息内容 - id: 消息唯一标识

使用示例

示例1: 容器故障排查

用户: 容器挂了怎么办
→ 调用API查询"容器挂了怎么办"
→ 等待约6秒,接收完整流式响应(94行数据)
→ 返回故障排查步骤并引用文档
→ 总结操作建议:直接删除容器,重新创建并加版本号

实际执行:

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "容器挂了怎么办"

# 输出:
[查询] 容器挂了怎么办
.........................................................................
# 完整答案
如果容器挂了,你需要直接删除这个容器,然后重新创建一个新的容器,
并且给新容器的名字后缀加上一个版本号[ID:0]。

[引用文档]
- 运维测试文档.doc
--------------------------------------------------------------------------------
[成功] 查询完成 (耗时: 6.19秒)

示例2: 技术知识查询

用户: Docker网络模式有哪些?
→ 调用API查询"Docker网络模式"
→ 等待流式响应
→ 返回bridge、host、overlay等模式的说明
→ 总结并简要说明各模式特点
→ 如果知识库没相关内容,返回"知识库中未找到您要的答案!"

示例3: 需要执行agent操作

用户: 怎么查看容器日志?
→ 调用API查询"查看容器日志"
→ API返回使用docker logs命令的方法
→ 总结:使用`docker logs <container_name>`查看日志
→ 建议用户提供容器名称,使用exec工具执行命令

超时配置说明

脚本已针对流式输出优化超时配置:

参数值说明
STREAM_NO_DATA_TIMEOUT15秒无新数据则认为完成(给流式生成足够时间)
STREAM_MAX_TIMEOUT60秒最大总等待时间(防止无限等待)
请求超时120秒HTTP连接超时

如果超时:

  1. 使用调试模式(-v)查看详细信息
  2. 检查网络连接到RAGFlow服务器
  3. 确认API服务状态

调试模式

使用-v或--verbose参数获取详细调试信息:

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "测试问题" -v

调试信息包括:

  • 完整的请求URL和参数
  • 响应状态码
  • 数据接收过程
  • 处理的行数、数据块数量、耗时
  • 完整的JSON响应

注意事项

  1. 流式输出等待: RAGFlow使用流式输出,需要耐心等待,不要提前终止
  2. 会话管理: conversation_id可以复用,保持对话上下文
  3. 错误处理: 如果API调用失败,检查网络连接和API服务状态
  4. 结果总结: 不要只是复制返回结果,要进行总结和提炼
  5. 操作建议: 当API返回包含操作步骤时,转化为可执行的命令或明确指引
  6. 安全性: API认证信息已固化在脚本中,注意不要泄露

扩展使用

对于需要agent执行的命令:

  • 明确告知用户可以执行的命令
  • 如果用户确认,使用exec工具执行
  • 反馈执行结果

对于需要多次查询的复杂问题:

  • 拆分为多个子问题
  • 逐步查询和确认
  • 最后整合完整答案

故障排查

API请求失败

# 测试连接
curl -I http://172.28.20.46:30001/v1/conversation/completion

# 查看详细错误
python3 scripts/query_ragflow.py "测试" -v

认证失败

  • 检查Authorization token是否过期
  • 检查session cookie是否有效
  • 查看HTTP状态码(401/403表示权限问题)

返回"知识库中未找到"

  • 知识库确实没有相关内容
  • 或者检索关键词匹配不上
  • 尝试更换问题描述方式

适合场景

01

研究助手

02

事实核查

03

知识库问答

04

带来源的搜索总结

能力概览

能力 1

组合搜索和大模型调用

能力 2

支持多来源检索和总结

能力 3

强调引用来源和事实核查

能力 4

适合研究型 Agent 流程

平台分布

OpenClaw

77.89%
按下载量换算8,280

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills