rag

基于AWS无服务器架构的RAG服务，提供MCP协议API接口。

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。
它的用途是：基于AWS无服务器架构的RAG服务，提供MCP协议API接口。
详细介绍见：https://321skill.com/skills/rag-rag-mcp-server/
请根据该页面的说明完成安装。

“帮我部署一个基于公司产品手册的智能问答接口。”，它会引导你配置AWS凭证和知识库文件路径，然后通过提供的部署脚本一键创建Lambda函数和API网关。部署完成后，你可以直接通过MCP客户端或API调用，询问产品相关问题并获得基于手册的准确回答。

这个Skill解决了在无服务器环境下快速构建和部署检索增强生成（RAG）服务的需求。传统RAG方案部署复杂，需要管理基础设施，而这个Skill利用AWS无服务器架构（如Lambda、API Gateway），让开发者无需关心服务器运维，即可获得一个集成了OpenAI的、开箱即用的RAG后端。

使用方式是通过MCP（Model Context Protocol）协议提供的API接口。开发者可以将自己的知识库文档（如PDF、TXT）上传到配置的存储服务（如S3），然后通过API发送查询请求。服务会自动检索相关文档片段，并调用集成的OpenAI模型生成基于上下文的精准回答。

它非常适合需要将私有知识库与AI能力结合，但又希望保持架构轻量、可扩展且按需付费的开发者或团队。例如，为内部知识库、客服系统或智能应用快速添加问答功能。

建议在使用前，确保已拥有AWS账号并配置好相关权限（如Lambda、S3的访问密钥）。由于依赖AWS服务，产生的费用将与API调用量和数据存储量相关，建议在开发阶段设置预算提醒。同时，注意根据数据敏感性配置好S3存储桶的访问策略，以保障数据安全。

核心区别在于其纯无服务器架构和MCP协议原生支持。相比需要自建服务器或管理容器的RAG方案，它实现了零运维和按需伸缩；同时，通过提供标准MCP接口，能更方便地与支持MCP协议的各类AI客户端（如Claude Desktop）直接集成，无需额外适配。

不适合对数据主权有严格要求、必须将数据完全部署在本地或私有云的环境。

需要多少AWS使用经验才能部署这个Skill？

需要基本的AWS知识，如配置IAM权限、使用S3和Lambda。项目提供了部署脚本（如通过SAM或CDK），可以简化流程。

支持哪些文件格式作为知识库？

通常支持文本类格式，如TXT、PDF、Markdown。具体取决于集成的文档解析器，需要查看项目文档确认。