Opencode-config-backup knowledge-base

RAG知识库增强工具 - 检索PDF文档、搜索项目代码、查询技术资料

install

source · Clone the upstream repo

git clone https://github.com/jieni777/opencode-config-backup

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/jieni777/opencode-config-backup "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/knowledge-base" ~/.claude/skills/jieni777-opencode-config-backup-knowledge-base && rm -rf "$T"

manifest: skills/knowledge-base/SKILL.md

source content

MCP RagFlow - 知识库检索工具

直接触发指令

当用户请求以下内容时自动激活此技能：

"搜索知识库"
"查询文档"
"检索PDF"
"搜索代码"
"查找相关资料"
"RAG搜索"

功能

让AI能够"阅读"您电脑里的PDF参考文档或旧项目代码，进行RAG检索增强。

特点

PDF解析: 高精度解析PDF文档
代码理解: 理解项目代码结构
语义搜索: 基于语义的智能检索
上下文增强: 为AI提供相关背景知识

使用场景

大型项目重构时理解旧代码
查阅PDF技术文档
检索产品需求文档
分析API文档
跨项目知识整合

使用方法

在Solo模式下直接请求：

Search the knowledge base for "authentication implementation"

What does the API documentation say about rate limiting?

Find the relevant code for user authorization

Explain the database schema from the documentation

Search for all mentions of "security" in the docs

工具说明

search: 语义搜索知识库
get_documents: 获取相关文档
list_collections: 列出知识库集合
add_document: 添加文档到知识库

RagFlow是什么？

RagFlow是一个开源的RAG（检索增强生成）引擎，专门用于：

文档解析和预处理
语义分块
向量化存储
智能检索

⚠️ 必需配置 - RagFlow自建（推荐）

RagFlow是开源项目，可以免费自建。以下是Docker部署步骤：

1. 系统要求

Docker Engine 24.0+
Docker Compose v2.20+
4GB+ 可用内存
10GB+ 磁盘空间

2. 快速部署（3步完成）

# 步骤1: 克隆仓库
git clone https://github.com/infiniflow/ragflow.git
cd ragflow

# 步骤2: 配置Docker（如果需要）
# 编辑 docker-compose.yml 修改端口映射

# 步骤3: 启动服务
docker-compose up -d

3. 验证部署

# 检查服务状态
docker-compose ps

# 查看日志
docker-compose logs -f ragflow-server

# 测试API
curl http://localhost:9380/health

4. 默认配置

API服务端点: http://localhost:9380
Web界面: http://localhost:7000
默认端口: 9380 (API), 7000 (Web)

5. 配置Trae连接

在MCP配置中已设置：

RAGFLOW_API_URL: "http://localhost:9380"

6. 使用流程

访问Web界面: 打开 http://localhost:7000
创建知识库: 点击"Create Knowledge Base"
上传文档: 上传PDF、Word、Markdown等文档
配置分块策略: 选择合适的文档切分方式
开始索引: 系统自动处理和索引文档
开始使用: 在Trae中发起检索请求

7. 故障排除

服务无法启动

# 检查Docker状态
docker info

# 查看详细错误
docker-compose logs

# 重新构建
docker-compose down
docker-compose up -d --build

API连接失败

# 确认服务运行
curl http://localhost:9380/health

# 检查端口占用
lsof -i :9380

# 查看防火墙设置
sudo ufw status

文档索引失败

检查文档格式是否支持
确认文件大小限制（默认50MB）
查看索引日志排查具体错误

8. 高级配置

自定义端口

编辑

docker-compose.yml

services:
  ragflow-server:
    ports:
      - "9380:9380"  # 改为自定义端口

增加资源限制

services:
  ragflow-server:
    deploy:
      resources:
        limits:
          memory: 8G

9. 生产环境部署

使用Docker Swarm

docker stack deploy -c docker-compose.yml ragflow

配置HTTPS

使用Nginx反向代理：

server {
    listen 443 ssl;
    server_name your-domain.com;

    location / {
        proxy_pass http://localhost:9380;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

10. 备份和恢复

# 备份数据
docker cp ragflow-server:/app/data ./backup/

# 恢复数据
docker cp ./backup/ ragflow-server:/app/data/

与Mem0结合使用

Mem0和RagFlow可以配合使用：

Mem0: 记住搜索过的内容和偏好
RagFlow: 提供准确的文档检索
效果: AI既记得您问过什么，又能找到准确的文档

性能优化

索引优化

使用合适的分块大小
启用并行处理
定期清理旧索引

查询优化

使用精确的关键词
尝试不同的表述
组合多个搜索

替代方案

如果不想自建，可以使用云服务：

Pinecone (云端向量数据库)
Weaviate (自建或云端)
Qdrant (自建或云端)

但自建RagFlow是最经济、最可控的方案。

资源链接

GitHub: https://github.com/infiniflow/ragflow
文档: https://ragflow.io/docs
Docker Hub: https://hub.docker.com/r/infiniflow/ragflow
社区: https://github.com/infiniflow/ragflow/discussions