核心用法
rag-ingest 是 RAG（Retrieval-Augmented Generation）流水线中的关键一环，专注于知识入库。它接收 Agent 已解读/精炼好的正文文本，自动完成以下处理：
1. 智能切片（Chunking）：将长文本切分为语义连贯的段落块
2. 向量嵌入（Embedding）：调用外部 API 生成语义向量
3. 向量写入：存储至 Qdrant 向量数据库的指定 collection
典型工作流
网页抓取 → 深度解读/总结 → rag-ingest → 向量检索 → 问答生成
支持两种输入方式：
--content直接传参stdin管道输入（推荐与deep-research/summarize联用）
关键参数
| 参数 | 作用 |
|------|------|
| `--doc-id` | 文档唯一标识，支持幂等覆盖更新 |
| `--topic-tags` | 检索过滤标签，提升查询精准度 |
| `--source` | 来源追溯，写入 payload 元数据 |
| `--collection` | 指定 Qdrant collection（默认 `kb_main`） |
显著优点
- 解耦设计：专注入库，不耦合抓取与解读，Pipeline 灵活组合
- 幂等写入：
doc-id机制确保同一文档可安全重复执行 - 标签过滤：
topic-tags支持多维度检索策略 - 轻量依赖：仅需 Node.js + 两个环境变量即可运行
潜在局限
- 无内容校验：不负责原文质量检测，垃圾入则垃圾出
- 嵌入黑箱：依赖外部 EMBED_API，模型选择/质量不可控
- 无冲突解决：同一
doc-id直接覆盖，无版本历史 - 单点依赖：Qdrant 故障直接导致入库失败
适合人群
- 构建 Agent RAG 系统的开发者
- 需要自动化知识库维护的技术团队
- 已有内容生产流程、需补齐向量存储能力的场景
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 数据泄露 | 正文经外部 API 嵌入 | 确认 EMBED_API 服务商合规性 |
| 注入污染 | `topic-tags` 未过滤特殊字符 | 上游做好输入校验 |
| 密钥暴露 | `EMBED_API_KEY` 环境变量管理 | 使用密钥管理系统，避免日志打印 |
| 存储膨胀 | 高频更新无清理机制 | 定期归档或设置 TTL 策略 |