mcp-local-rag
本地运行的文档语义搜索工具，支持MCP与CLI，保护隐私零成本。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：mcp-local-rag。 它的用途是：本地运行的文档语义搜索工具，支持MCP与CLI，保护隐私零成本。 详细介绍见：https://321skill.com/skills/mcp-local-rag-shinpr/ 请根据该页面的说明完成安装。
使用示例
“帮我在这周的项目会议纪要里找一下关于‘用户认证模块重构’的讨论细节。”，它会调用 mcp-local-rag 在你的本地会议记录文件夹中进行语义搜索，并返回包含相关讨论的精确片段。或者，当你写代码时遇到一个模糊的错误信息，可以
对AI说：“搜索我们的内部Wiki，看看有没有关于‘ERR_CONNECTION_REFUSED 在Docker环境下’的解决方案。”
介绍
mcp-local-rag 解决了开发者在处理敏感或内部技术文档时，既希望利用AI进行高效语义搜索，又担忧数据隐私和云端成本的问题。它通过MCP协议或命令行，在本地计算机上建立了一个完全离线的检索增强生成（RAG）系统，确保你的代码、技术规格或内部资料无需离开本地环境。
使用方式极其简单。对于集成MCP的AI编码工具（如Cursor、Claude Code），只需在配置文件中添加几行命令并指定文档根目录即可。重启工具后，AI助手便能直接调用它来“搜索知识库内容”。你也可以完全绕过MCP，直接使用其CLI功能，通过 npx 命令进行文档的“整理学习笔记”和“查询技术概念”。
这个工具非常适合需要频繁查阅大量私有技术文档、代码库或研究资料的角色，例如全栈开发、后端开发、学术研究者和文档工程师。他们可以在“撰写技术文档”、“排查Bug根因”或“研读学术文献”时，快速定位到相关且精确的上下文信息。
使用建议是，首次运行时会下载必要的AI模型，请确保网络通畅。虽然它支持多文档根目录，但请注意所有待搜索的文档必须位于你配置的根目录之下。对于超大规模文档库，首次建立索引可能需要一些时间。
核心特点
核心区别在于其“语义搜索结合关键词增强”的混合搜索策略，不仅理解查询意图，还会对`useEffect`、错误码等精确技术术语进行加权，确保代码搜索的准确性。此外，它提供“智能语义分块”和“基于相关性差距的结果过滤”，而非简单的按字符切割和固定返回数量，从而提供质量更高、上下文更完整的答案。
注意事项
不适合需要实时搜索互联网公开信息或处理超大规模（如企业级TB数据）文档库的场景。
常见问题
需要联网吗？
首次运行需下载模型，之后可完全离线使用。
支持哪些文件格式？
主要支持文本类文件，如PDF、Markdown、代码文件等，具体请查阅项目文档。