我的資料分析工具
📖 技能介紹
name: rag-skill description: 基於 Chroma、Ollama 與 MCP 的本地 RAG 檢索技能，用於 OpenClaw 查詢私有知識庫與 PDF 文件。 version: 0.1.0 author: Jiwei Xu license: MIT tags: - rag - mcp - chroma - ollama - retrieval
RAG 檢索技能（RAG Skill）
該 Skill 用於將 OpenClaw 與本地 RAG（Retrieval-Augmented Generation）知識庫連線，使 Agent 可以查詢本地 PDF、專案文件、會議記錄、技術資料以及私有知識庫，而不僅僅依賴模型自身引數知識。
本 Skill 基於：
- Chroma 向量資料庫
- Ollama Embedding 模型
- MCP（Model Context Protocol）工具介面
- OpenClaw Agent Skill 機制
實現 OpenClaw 與本地知識庫的標準化整合。
使用場景
當用戶提出以下型別問題時，應使用本 Skill：
- 查詢本地 PDF 文件
- 查詢私有專案資料
- 查詢技術文件
- 查詢會議記錄
- 查詢本地知識庫
- 查詢向量資料庫中的內容
- 檢索企業內部資料
- 基於本地文件進行問答
例如：
- “查詢 CircularAI Phase 3 的相關內容”
- “從我的本地知識庫中搜索 MCP 整合方案”
- “根據 PDF 總結該專案的主要問題”
- “檢索與 Agentic RAG 相關的資料”
對於普通閒聊、公開常識問題或不需要文件檢索的問題，不應使用本 Skill。
系統架構
整體流程如下：
使用者問題 ↓ OpenClaw Agent ↓ MCP Tool 呼叫 ↓ rag_query ↓ Chroma 向量資料庫 ↓ Ollama Embedding ↓ 返回相關文件片段 ↓ OpenClaw 生成最終回答訪問小蔥技能站7w4.net，解鎖更多實用的AI技能外掛。
本 Skill 的核心目標是：
讓 OpenClaw 能夠訪問本地私有知識庫。
MCP 工具
本 Skill 暴露以下 MCP Tool：
rag_query
輸入：
{
"query": "使用者問題",
"k": 3
}
輸出：
{
"query": "使用者問題",
"results": [
{
"content": "檢索到的文件內容",
"metadata": {
"source": "文件名稱",
"page": 1
}
}
]
}
環境要求
需要以下環境：
- Python 3.10+
- Ollama
- Chroma
- OpenClaw
- MCP Python SDK
需要安裝的 Python 包：
pip install mcp chromadb langchain-community langchain-ollama
需要提前下載 embedding 模型：
ollama pull bge-m3
啟動 Ollama：
ollama serve
OpenClaw 配置
需要在 OpenClaw 配置檔案中註冊 MCP Server：
{
"mcpServers": {
"rag": {
"command": "python",
"args": [
"/absolute/path/to/rag_mcp_server.py"
]
}
}
}
推薦使用絕對路徑。
因為 OpenClaw 啟動 MCP Server 時的工作目錄可能並不是當前目錄，使用相對路徑可能導致無法找到 Chroma 資料庫。
回答規則
使用本 Skill 時：
- 優先基於檢索結果回答
- 儘量保留文件來源資訊
- 不要編造不存在的文件
- 不要偽造頁碼或引用
- 如果沒有檢索到有效結果，應明確說明
- 如果結果可信度較低，應說明“證據不足”
安全說明
本 Skill 預設僅訪問本地資料。
其設計目標是：
- 不上傳本地檔案
- 不呼叫外部雲 API
- 不執行危險 Shell 命令
- 不訪問 SSH Key
- 不需要 sudo 許可權
所有文件均保留在本地 Chroma 資料庫中。
使用者在修改 Skill 或 MCP Server 後，應自行檢查程式碼安全性。
侷限性
本 Skill 只能檢索：
已經被向量化並寫入 Chroma 資料庫的文件
如果文件尚未建立 embedding，則無法被檢索。
檢索效果依賴：
- chunk 切分策略
- embedding 模型質量
- 查詢語句質量
- 向量資料庫更新情況
- metadata 完整性
建議在新增文件後重新構建向量資料庫。
適用物件
本 Skill 適用於：
- OpenClaw 使用者
- 本地 RAG 系統開發者
- 私有知識庫場景
- 企業內部 Agent
- 本地 AI 助手
- Agentic RAG 系統
- MCP Tool 開發者
尤其適合：
OpenClaw + MCP + Chroma + Ollama
的本地 Agent 架構。
🤖 AI 評測
這個 Skill 的文件寫得很詳細，質量還不錯，涵蓋了主要的使用場景和技術細節，安全提示也比較到位。但可惜的是，這個 Skill 只有使用說明，缺少實際能執行的程式程式碼，使用者下載後還需要自己編寫程式碼才能真正用起來。對於想快速上手 RAG 功能的使用者來說不太方便，建議等待開發者補充完整實現後再使用。
