Token导航 LogoToken导航TokenDH.com
研究检索敏感数据clawhub未标认证来源可访问clear审计提醒

ragtop-planner抹布计划者

Agent Skill

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。

总安装

15,888

周安装

649

GitHub Stars

公开资料未说明

下载量

5,088
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

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

简介

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。

SKILL.md

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 + (queryqueries)
  • 可选:doc_idsretrieval_setting.top_kretrieval_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=24score_threshold=0.2
  • 案例召回:top_k=8score_threshold=0.2
  • 价格召回:top_k=100score_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

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

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

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 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills