RAG Search

核心用法

rag-search 是一个轻量级 RAG（检索增强生成）搜索技能，专用于查询本地向量化的职业健康标准与法规知识库。用户通过自然语言描述查询目标（如标准编号、化学物质名称、具体条款），系统返回语义匹配的文档片段及其结构化元数据。

显著优点

• 精准溯源：返回结果包含原始文件来源、条款编号及法规层级，满足合规审计的溯源要求
• 语义检索：基于向量相似度而非关键词匹配，可处理同义词、缩写及表述变体
• 结构化输出：标准化字段（content/source/clause/regulation_level/score）便于下游自动处理
• 本地化部署：知识库驻留本地，规避敏感法规数据外传风险

潜在局限

• 依赖向量库质量与切分策略，可能遗漏跨段落关联信息
• 无法推理或计算，仅返回原文片段，不解释条款适用场景
• 无实时联网能力，无法获取最新标准修订动态
• 评分阈值需人工调优，过高导致漏检、过低引入噪声

适合人群

职业健康管理人员、EHS 合规专员、安全评价机构技术人员、企业法务及需要频繁查阅 GBZ/GB/T 等标准的现场工程师。

常规风险

• 向量嵌入模型与专业术语存在语义漂移，关键限值数字可能被相似表述干扰
• 多版本标准共存时，需人工确认返回版本的有效性
• 长文档切分可能导致上下文断裂，影响条款完整理解

核心功能

rag-search 是一款极简的本地 RAG（检索增强生成）搜索 Skill，专精于职业健康标准与法规的向量知识库查询。用户可通过自然语言或标准编号快速检索 GBZ 等国家/行业标准中的具体条款，返回包含原文、来源、条款号、法规层级及相关度评分的结构化结果。

显著优点

安全性顶尖：通过 CLS S 级认证，六维检测全部满分（100/100）。零外部网络调用，仅访问本地 SQLite 向量数据库；无危险函数、无敏感信息硬编码、无第三方依赖包，供应链攻击面几乎为零。代码结构清晰，异常处理完善。

功能精准：针对职业健康领域深度优化，返回字段设计贴合法规检索场景（regulation_level 区分国家法律/标准/行业标准等层级，clause 精确到条款编号）。

零配置负担：纯本地运行，无需API密钥或云服务配置，开箱即用。

潜在局限

• 知识库依赖：检索质量完全取决于本地向量数据库的覆盖范围与更新时效，若知识库未及时同步最新法规，可能返回过时内容。
• 领域单一：当前优化方向聚焦于职业健康标准，通用性有限。
• 来源可信度：T3级别（个人开发者/社区项目），虽代码透明安全，但缺乏企业级维护背书。

适合人群

职业健康管理人员、EHS（环境健康安全）从业者、企业合规审计人员，以及需高频查阅 GBZ、GB/T 等职业健康标准的本地知识库用户。

使用建议

建议定期维护本地向量数据库的时效性，并关注 search_pipeline 和 embedding_client 等底层模块的安全更新。当前版本无开源许可证声明，商用前建议与维护者确认授权条款。