Content Publisher Pro
一键将文章发布至 GitHub Pages 和 Dev.to，支持 SEO 优化与去重检查。
下载 377
rag-query
通过语义搜索查询Qdrant知识库，返回匹配的文本片段及元信息。
已扫描
项目
内容
适合谁
需要构建知识增强系统的开发者、使用RAG架构进行智能问答的团队
不适合谁
无自建知识库的普通用户、不熟悉Node.js或环境变量配置的初学者
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好（★☆☆）。基于终端操作、依赖、API Key 和本地环境要求的初步判断。
安装与下载
openclaw skills install @seal-re/rag-querySkill 说明
命令、参数、文件名以原文为准
rag-query
Usage
# 最简单：位置参数作为查询
node skills/rag-query/scripts/query.mjs "渗透测试流程"
# 显式传参 + 控制 top-k 和 topic-tags
node skills/rag-query/scripts/query.mjs \
--query "TCP/IP 模型" \
--top-k 5 \
--topic-tags "net_basic,protocol"Parameters
| Param | Required | Example | Description |
|---|---|---|---|
--query | yes* | "渗透测试流程" | 查询字符串；也可以作为第一个位置参数 |
--top-k | no | 5 | 返回片段数量，默认 5 |
--topic-tags | no | "net_basic,protocol" | 逗号分隔标签，用于按 topic_tags 过滤 |
--collection | no | "kb_main" | Qdrant collection 名称，默认 kb_main |
输出为 JSON 数组，每个元素包含 text、doc_id、source、text_type、topic_tags 字段，可直接注入 Agent 上下文使用。
SR
@seal-re
已收录 1 个 Skill