RAG Docs MCP
基于Qdrant向量库的本地文件语义搜索服务
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：RAG Docs MCP。 它的用途是：基于Qdrant向量库的本地文件语义搜索服务 完整的 Skill 内容见：https://321skill.com/skills/rag-docs-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我找出所有关于‘用户认证方案’的文档内容。”，它会基于您已导入的项目文档，在Qdrant向量库中进行语义搜索，返回与用户认证相关的设计文档、API说明和会议纪要片段。或者，当您说：“上周讨论的数据库优化方案是什么？”，它会检索您的聊天记录或会议笔记，找到相关的讨论摘要和结论。
介绍
RAG Docs MCP 主要解决用户在本地或私有环境中，对大量文档、代码、笔记等非结构化数据进行高效、精准检索的难题。用户无需依赖外部搜索引擎或复杂的数据库查询语言，即可通过自然语言快速找到所需信息。
使用方式非常直观：用户将需要检索的文档（如PDF、TXT、Markdown等）导入到系统中，该Skill会自动进行文本解析、向量化处理并存入Qdrant向量数据库。之后，用户只需用日常语言提出问题或描述需求，系统便会返回语义上最相关的文档片段或答案。
该Skill非常适合需要频繁查阅内部文档、技术手册、项目资料或研究论文的团队与个人。它能显著提升信息查找效率，尤其适合知识密集型工作场景。
建议在初次使用时，先从小批量、结构清晰的文档开始导入，以熟悉处理流程和查询效果。对于高度专业或格式复杂的文档，可能需要调整文本分块策略以获得最佳检索效果。注意，其检索质量依赖于文档向量化的准确性，对于非常新的或领域特定的术语，可能需要结合关键词进行补充查询。
核心特点
与同类基于简单关键词匹配或需要云端API的检索工具不同，RAG Docs MCP的核心在于完全本地化部署的语义搜索能力，基于Qdrant向量数据库，在保护数据隐私的同时，实现了对文档深层含义的理解和匹配。
注意事项
不适合需要实时处理流式数据或对检索速度有极致毫秒级要求的场景。
常见问题
支持导入哪些文件格式？
支持常见的文本格式，如PDF、TXT、Markdown、Word、HTML等。
需要联网使用吗？
文档处理和向量化可在本地完成，无需联网；但某些嵌入模型下载可能需要网络。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/rag-docs-mcp/raw/index.md 读取 RAG Docs MCP 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/rag-docs-mcp/raw/index.md（查看排版版本）