Token导航 LogoToken导航

Agent Skill · 研究检索

ragtop-planner(抹布计划者)

ragtop-planner 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

ragtop-planner 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 8,654。

总安装 15,888周安装 649GitHub Stars 公开资料未说明下载 5,088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
1.0.2

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:ragtop-planner(抹布计划者)
来源仓库:https://github.com/qbs784/ragtop-planner
安装命令:
openclaw skills install ragtop-planner
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 ragtop-planner

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。

面向外部OpenClaw的达人推广方案制定技巧。基于RAGTOP三个工具接口(list_kb/list_doc/retrieval)执行四个阶段的工作流程:规则提炼、案例总结、达人筛选、方案生成。

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 ragtop-planner;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

ragtop-planner 怎么安装?

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

ragtop-planner 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。

ragtop-planner 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。

ragtop-planner 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。

ragtop-planner 用的人多吗?

公开数据是累计安装 15,888 次,近一周安装 649 次,下载 5,088 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。

ragtop-planner 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
ragtop-planner

抹布计划者 · 本页

15,888—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
ragtop-planner
description
面向外部 OpenClaw 的达人推广方案制定 Skill。基于 RAGTOP 三个工具接口(list_kb/list_doc/retrieval)执行四阶段工作流:规则提炼、案例总结、达人筛选、方案生成。
metadata
{ "openclaw": { "emoji": "📈", "requires": { "env": ["RAGTOP_API_TOKEN"] }, "primaryEnv": "RAGTOP_API_TOKEN" } }

ragtop-planner Skill

该 Skill 将达人推广方案制定流程改造为外部可执行编排,外部服务无需改后端即可调用。

Configuration

必须配置以下环境变量:

  • RAGTOP_API_TOKEN:API Token(必填)
  • RAGTOP_API_URL:API Base URL(可选,默认 http://10.71.10.71:9380)

可用工具(tool_cli)

统一前缀:${RAGTOP_API_URL}/api/v1/ragtop/tool

1) list_kb

  • 方法:POST
  • 路径:/list_kb
  • 认证:Authorization: Bearer ${RAGTOP_API_TOKEN}
  • 返回(关键字段):data.kbs[]、data.total
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/list_kb" \
  -H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
  -H "Content-Type: application/json"

2) list_doc

  • 方法:POST
  • 路径:/list_doc
  • 必填:knowledge_id
  • 返回(关键字段):data.docs[]、data.total
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/list_doc" \
  -H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"knowledge_id":"YOUR_KB_ID"}'

3) retrieval

  • 方法:POST
  • 路径:/retrieval
  • 必填:knowledge_id + (query 或 queries)
  • 可选:doc_ids、retrieval_setting.top_k、retrieval_setting.score_threshold
  • 返回:records[](注意该接口直接返回 records,不是 data.records)
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/retrieval" \
  -H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "knowledge_id":"YOUR_KB_ID",
    "queries":["查询A","查询B"],
    "retrieval_setting":{"top_k":16,"score_threshold":0.3}
  }'

FH Workflow(外部执行)

请按顺序执行以下四步:

  1. RULES_SUMMARY:从名称为“方案”的知识库召回规则并总结执行清单。
  2. CASE_SUMMARY:从名称为“案例”的知识库召回并总结成功模式。
  3. KOL_SELECTOR:从名称为“价格”的知识库召回候选达人并生成 HTML 筛选表。
  4. PLAN_GENERATION:融合规则、案例、达人表和用户需求生成最终方案。

详细步骤见:

  • references/workflow.md
  • references/prompts.md
  • references/error_handling.md

执行规则

  • 必须先 list_kb,并匹配三个知识库名称:方案、案例、价格。
  • 优先使用 queries 多路召回;仅在简单请求时用单 query。
  • 如用户指定文件范围,先调用 list_doc,再把 doc_ids 传给 retrieval。
  • 最终回答必须做预算合规检查(总价 <= 用户预算)。
  • 所有关键结论必须可追溯到召回来源(文档名或记录来源)。
  • 输出中统一使用 ragtop 命名。

推荐默认参数

  • 规则召回:top_k=24,score_threshold=0.2
  • 案例召回:top_k=8,score_threshold=0.2
  • 价格召回:top_k=100,score_threshold=0.1

失败与降级

  • 鉴权失败:提示用户检查 Token 是否有效或是否过期。
  • 知识库缺失:明确指出缺少 方案/案例/价格 中的哪个库。
  • 召回为空:建议用户细化关键词、指定文档或降低阈值后重试。
  • 预算冲突:要求剔除低优先级达人,直至满足预算。

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

78.79%
按下载量换算4,009

安全审计

VirusTotal

可疑

ClawScan

通过

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