kb-search

知识库智能检索助手。根据查询复杂度自动选择检索模式： - 小规模/简单查询：Agentic 模式（grep + read_file） - 大规模/复杂查询：Indexed 模式（Vector + Graph + BM25）支持渐进式检索，最多 5 轮迭代，确保精准找到最相关的信息。

SKILL.md

--- frontmatter

name: kb-search
description: |
  知识库智能检索助手。根据查询复杂度自动选择检索模式：
  - 小规模/简单查询：Agentic 模式（grep + read_file）
  - 大规模/复杂查询：Indexed 模式（Vector + Graph + BM25）
  支持渐进式检索，最多 5 轮迭代确保找到最相关信息。

本地知识库检索 Skill（kb-search）

触发条件

用户问题涉及以下场景时激活本 Skill：

•"从知识库查找/检索信息"
•"在文档中搜索..."
•"查找资料/文档..."
•"帮我找一下关于..."

输入参数

参数	类型	默认值	说明
query	str	必填	用户查询
knowledge_dir	str	"knowledge/"	知识库根目录
mode	str	"auto"	检索模式：auto/agentic/indexed
max_rounds	int	5	最大检索轮数（Agentic 模式）

输出

字段	类型	说明
answer	str	回答内容
sources	list[Source]	引用来源（文件路径 + 位置）
confidence	float	置信度 (0-1)

工作流程

Agentic 模式（小规模知识库）

•
读取目录索引
- •读取 knowledge_dir/data_structure.md 了解知识库结构
- •识别子目录和文件用途
•
选择候选文件
- •根据查询内容选择最相关的目录和文件
- •递归进入子目录获取更多候选
•
渐进式检索（最多 max_rounds 轮）
- •Round 1: 使用初始关键词 grep 搜索
- •Round 2: 扩展同义词和相关词
- •Round 3: 扩展上下文范围
- •Round 4: 跨文件关联检索
- •Round 5: 最终确认
•
组织答案
- •汇总检索结果
- •标注引用来源

Indexed 模式（大规模知识库）

•
查询分析
- •识别查询类型（精确匹配/语义搜索/因果推理）
- •选择检索策略组合
•
并行检索
- •BM25 稀疏检索
- •Vector 向量检索（HNSW）
- •Graph 图检索（PPR，可选）
•
结果融合
- •RRF 融合多路检索结果
- •LLM 重排序
•
生成答案
- •CRAG 验证相关性
- •生成最终答案

协同工具

在 Agentic 模式下，本 Skill 会使用以下工具：

•grep: 关键词搜索
•read_file: 局部文件读取
•pdftotext/pdfplumber: PDF 处理（需先读取 references/pdf_reading.md）
•pandas: Excel 分析（需先读取 references/excel_reading.md）

示例

示例 1: 简单查询

code

用户: 什么是 RAG?
Skill: 使用 Agentic 模式，在知识库中搜索 "RAG" 相关内容
输出: RAG (Retrieval-Augmented Generation) 是一种...
来源: knowledge/concepts/rag.md

示例 2: 复杂分析

code

用户: 分析 2023 年销售趋势
Skill: 使用 Indexed 模式，结合向量搜索和图检索
输出: 根据财务报告分析，2023 年销售呈现...
来源: knowledge/reports/2023_annual.pdf, knowledge/data/sales.xlsx

注意事项

•
文件格式处理
- •遇到 PDF/Excel 文件时，先读取对应的 references 文档学习处理方法
- •避免直接读取整个大文件
•
Token 优化
- •使用 grep 定位后只读取匹配附近的上下文
- •设置合理的 chunk_limit 避免过多 token 消耗
•
来源引用
- •始终标注信息来源
- •包含文件路径和大致位置