HK-101 Living RAG

🔍 本地文档智能问答,一键溯源

本地文档 RAG 检索问答工具,基于 OpenAI 实现文本语义搜索与答案合成,无需联网即可查询本地知识库

收藏
9.7k
安装
2k
版本
1.0.0
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

claw-rag 是一款轻量级本地 RAG(Retrieval-Augmented Generation)工具,专为个人知识库问答场景设计。用户将文本或 Markdown 文档存放于指定目录,通过自然语言提问即可获取精准答案。

典型工作流:
1. 准备文档:将 .txt、.md 等格式文件放入 ./docs 文件夹

2. 发起查询:输入问题,k 参数控制返回的相关片段数量(默认 3 个)

3. 获取结果:返回结构化答案 + 来源引用(文件路径、相关度得分、原文片段)

技术实现:

  • 文档向量化:基于 OpenAI Embedding API 生成语义向量
  • 相似度检索:计算查询与文档块的语义相似度
  • 答案合成:将 Top-K 相关片段输入 LLM 生成最终回答

显著优点

| 优势 | 说明 |
|------|------|
| 零配置上手 | 默认参数合理,开箱即用 |
| 来源可追溯 | 返回具体文件路径和原文片段,便于核实 |
| 轻量依赖 | 仅需 OpenAI API Key,无复杂向量数据库 |
| 隐私可控 | 文档本地存储,不上传至第三方服务 |
| 成本低廉 | 按 token 计费,个人知识库查询成本极低 |

潜在缺点与局限性

1. 强依赖 OpenAI:必须配置有效 API Key,无法离线运行;国内用户需解决网络访问
2. 无增量索引:每次查询可能重新处理文档,大规模文档集效率待验证

3. 参数极简:缺少分块策略、重排序、混合检索等高级 RAG 特性

4. 单模态支持:仅处理文本/Markdown,不支持 PDF、图片等格式

5. 无持久化向量库:未提及 Chroma/Milvus 等存储,多次查询重复计算

适合人群

  • 个人开发者构建私有知识库问答
  • 小型团队快速验证 RAG 概念验证
  • 已有 OpenAI 额度、追求极简工具的用户
  • 需要"可解释"答案来源的场景(研究、法律、医疗摘要)

常规风险

| 风险类型 | 说明 |
|----------|------|
| API 密钥泄露 | `OPENAI_API_KEY` 需妥善保管,避免硬编码提交 |
| 数据出境 | 文档内容通过 OpenAI API 传输,敏感资料需谨慎评估 |
| 幻觉问题 | LLM 合成答案可能偏离原文,需人工核对关键信息 |
| 成本控制 | 高频查询或长文档可能产生意外费用,建议设置用量限制 |

---
评估基于技能描述推断,实际体验可能因实现细节而异

HK-101 Living RAG 内容

手动下载zip · 1.5 kB
skill-card.mdtext/markdown
请选择文件