Rechercher

PythonReactSEOPDF
OpenClaw

ragflow-kb

RAGFlow知识库问答与操作指导。调用RAGFlow知识库API进行智能问答,并基于知识库返回结果提供agent操作建议。支持流式输出,耐心等待完整响应生成。当用户提出技术问题、故障排查、操作指导或需要知识库检索时触发此技能。适用于容器/Docker问题、系统运维、开发相关问题等场景。

chenkun-nuaa0 installations selon la source☆ 0 Étoiles du dépôt

Installation

Suivez les instructions du dépôt pour votre agent. Consultez les fichiers et dépendances avant l’installation.

SkillHub CLI

skillhub install chenkun-nuaa/ck-rag-skill

Examinez la source et la compatibilité, puis suivez les étapes d’installation.

Donnez le lien à votre agent et demandez-lui d’examiner instructions et dépendances avant d’expliquer les étapes.

Voir la source ↗Guides

Instructions

RAGFlow知识库问答Skill

概述

此skill通过调用RAGFlow知识库API,为用户提供智能问答和操作指导。API使用流式输出(Stream)方式返回结果,需要耐心等待完整响应生成(通常5-10秒)。

工作流程

步骤1: 识别问题类型

判断用户的问题是否适合通过知识库查询:

  • 技术问题(容器、Docker、Kubernetes等)
  • 系统运维问题
  • 故障排查
  • 操作指导
  • 其他需要专业知识库的场景
步骤2: 调用RAGFlow API

使用scripts/query_ragflow.py脚本查询知识库:

标准查询(适合正常使用):

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题"

调试模式(查看详细信息):

python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" -v
# 或
python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" --verbose
步骤3: 等待流式响应

重要提示:

  • RAGFlow API使用流式输出,响应需要时间生成
  • 无新数据超时:15秒(给流式生成足够时间)
  • 最大总超时:60秒
  • 请求超时:120秒
  • 通常5-10秒能完成,复杂问题可能更久

脚本会显示进度点(.)表示正在接收数据,请耐心等待。

步骤4: 处理返回结果

API返回结果包含:

  • 助手回复:完整的AI生成答案
  • 引用文档:知识库中相关的文档来源
  • 统计信息:处理行数、数据块数量、耗时
步骤5: 总结和操作建议

根据返回结果:

  • 直接回答: 如果是简单问题,直接总结答案
  • 操作指导: 如果问题涉及具体操作(如容器挂了),提供步骤化的操作建议
  • 建议执行agent操作: 如果建议使用其他agent工具,明确指出

API配置

基本信息:

  • API地址: http://172.28.20.46:30001/v1/conversation/completion
  • 认证方式: Bearer token + Cookie session
  • 输出方式: Server-Sent Events (SSE) 流式输出

请求格式:

  • 方法: POST
  • Content-Type: application/json

关键参数:

  • conversation_id: 会话ID(使用固定ID保持对话上下文)
  • messages: 对话历史数组,每个消息包含:
    • role: "user" 或 "assistant"
    • content: 消息内容
    • id: 消息唯一标识

使用示例

示例1: 容器故障排查
用户: 容器挂了怎么办
→ 调用API查询"容器挂了...

Informations sur la source

Source
github
Repository
openclaw/skills
Path
skills/chenkun-nuaa/ck-rag-skill
Version
—
Commit
c08026828822d3e7ba79b461074ced3fbee8f067
Source de classification
rules
Statut
active
Visibilité
public

Ces informations proviennent de l’analyse indexée et peuvent être anciennes. Vérifiez les fichiers actuels.

Contenu extrait

SKILL.md
# RAGFlow知识库问答Skill

## 概述

此skill通过调用RAGFlow知识库API,为用户提供智能问答和操作指导。**API使用流式输出(Stream)方式返回结果,需要耐心等待完整响应生成**(通常5-10秒)。

## 工作流程

### 步骤1: 识别问题类型

判断用户的问题是否适合通过知识库查询:
- 技术问题(容器、Docker、Kubernetes等)
- 系统运维问题
- 故障排查
- 操作指导
- 其他需要专业知识库的场景

### 步骤2: 调用RAGFlow API

使用`scripts/query_ragflow.py`脚本查询知识库:

**标准查询**(适合正常使用):
```bash
python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题"
```

**调试模式**(查看详细信息):
```bash
python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" -v
# 或
python3 /home/onestack/.openclaw/workspace/ragflow-kb/scripts/query_ragflow.py "用户的问题" --verbose
```

### 步骤3: 等待流式响应

**重要提示**:
- RAGFlow API使用流式输出,响应需要时间生成
- 无新数据超时:**15秒**(给流式生成足够时间)
- 最大总超时:**60秒**
- 请求超时:**120秒**
- 通常5-10秒能完成,复杂问题可能更久

脚本会显示进度点(`.`)表示正在接收数据,请耐心等待。

### 步骤4: 处理返回结果

API返回结果包含:
- **助手回复**:完整的AI生成答案
- **引用文档**:知识库中相关的文档来源
- **统计信息**:处理行数、数据块数量、耗时

### 步骤5: 总结和操作建议

根据返回结果:
- **直接回答**: 如果是简单问题,直接总结答案
- **操作指导**: 如果问题涉及具体操作(如容器挂了),提供步骤化的操作建议
- **建议执行agent操作**: 如果建议使用其他agent工具,明确指出

## API配置

**基本信息**:
- API地址: `http://172.28.20.46:30001/v1/conversation/completion`
- 认证方式: Bearer token + Cookie session
- 输出方式: **Server-Sent Events (SSE) 流式输出**

**请求格式**:
- 方法: POST
- Content-Type: application/json

**关键参数**:
- `conversation_id`: 会话ID(使用固定ID保持对话上下文)
- `messages`: 对话历史数组,每个消息包含:
  - `role`: "user" 或 "assistant"
  - `content`: 消息内容
  - `id`: 消息唯一标识

## 使用示例

### 示例1: 容器故障排查
```
用户: 容器挂了怎么办
→ 调用API查询"容器挂了...

Skills associés

OpenClaw

agent-pack-n-go

aicodelion

🚀 Clone your OpenClaw AI Agent to a new device in ~25 minutes — configs, memory, skills, everything.

OpenClaw

cacheforge-skills

cacheforge-ai

⚡ SOTA agent skills for OpenClaw — observability, security, code quality, incident response, and more. Built by Anvil AI.

OpenClaw

restart-guard

zjianru

OpenClaw Skill: Safely restart the Gateway with context preservation, guardian watchdog, and multi-channel notification