Adaptive Rag Engine

这是一款自适应RAG引擎，核心功能含智能路由（判断是否需检索）、胶囊预筛选（缩小检索范围90%）、向量检索+语义重排序、CRAG质量评估补搜、L3输出校验及内存双向桥接。典型场景为需搜索记忆、回答复杂问题时自动触发；对CEO为协议层自动执行，对SubAgent则辅助任务中的检索优化，输出经多环节校验的准确内容。

luaqnyin

热度 47.54

最近更新 2026-05-11 17:42:36

分类：知识依赖：代码执行 / 读写文件 / MCP 服务 / 内部调用大模型应用场景：研究 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add adaptive-rag-engine

Metadata

name: adaptive-rag-engine
version: 1.0.0
description: Adaptive RAG 引擎 — 从线性检索到自主认知循环。集成胶囊预筛选、智能路由、CRAG纠错、L3校验。当需要搜索记忆/检索信息/回答复杂问题时触发。关键词：RAG、检索、记忆搜索、向量检索、Agentic RAG、CRAG。
metadata: {"requires":{"bins":["python3"]}}

🧠 Adaptive RAG Engine v1.0

不是管道，是认知循环。

核心能力

能力	说明	触发方式
Adaptive Router	判断是否需要检索，简单问题直接答	自动（每次 memory_search 前）
Capsule Pre-filter	42个胶囊标题预匹配，缩小范围 90%	自动（Router 通过后）
Vector Search	bge-m3 向量检索 Top-20	memory_search 工具
LLM Re-rank	语义重排序 Top-20 → Top-5	检索后自动
CRAG Evaluator	质量评估 + 低分补搜	检索后自动
L3 Gatekeeper	输出前与核心洞察校验	生成前自动
Memory Bridge	Active Memory ↔ Phoenix 双向桥接	对话结束时

使用流程

对于 CEO（小鸟文书）

此 Skill 是协议层，不需要显式调用。它通过以下方式生效：

读取协议文件: rules/adaptive-rag-protocol.md — 获取完整决策树
读取胶囊索引: memory/topics/.capsule-index.json — 获取 42 个胶囊元数据
按决策树执行: 每次需要记忆时，走 Router → Pre-filter → Search → Rank → CRAG → Generate → Verify

对于 SubAgent

SubAgent 在执行任务时：

先判断任务类型 → 决定是否需要检索
需要检索时 → 先做胶囊预筛选
检索结果 → 自行判断质量（CRAG 思维）
输出前 → 自检是否与已知信息矛盾

关键文件

文件	用途
`rules/adaptive-rag-protocol.md`	完整协议（决策树/分类/bridge/CRAG/L3）
`memory/topics/.capsule-index.json`	42个胶囊的结构化索引
`scripts/build-capsule-index.py`	重建胶囊索引脚本
`scripts/rag-evaluate.py`	CRAG 质量评估脚本

快速命令

# 重建胶囊索引
python3 ~/.openclaw/workspace/skills/adaptive-rag-engine/scripts/build-capsule-index.py

# 评估检索质量
python3 ~/.openclaw/workspace/skills/adaptive-rag-engine/scripts/rag-evaluate.py --query "xxx" --results "result1, result2"

与其他 Skill 的关系

dynamic-rag-capsule — Context 管理层面的胶囊化（对话太长时压缩）
phoenix-memory — 记忆存储和衰减管理（四层架构）
本 Skill — 检索策略和质量控制（怎么搜、搜到后怎么办）

三者关系：phoenix-memory 是仓库，dynamic-rag-capsule 是打包器，adaptive-rag-engine 是导航仪