ragdocs MCP

基于Qdrant和Ollama/OpenAI的文档语义搜索与管理工具。

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：ragdocs MCP。
它的用途是：基于Qdrant和Ollama/OpenAI的文档语义搜索与管理工具。
详细介绍见：https://321skill.com/skills/ragdocs-mcp/
请根据该页面的说明完成安装。

“帮我从我们的项目文档库里找出所有关于‘用户认证’的最佳实践。”，它会通过ragdocs MCP在您已建立的向量知识库中进行语义搜索，找到最相关的文档片段，并整合成一份简洁的摘要。或者，您可以直接提问：“我们系统的架构设计原则是什么？”，它会基于存储的设计文档，生成准确的解释。

ragdocs MCP 主要解决个人或团队在大量文档中难以快速、精准查找所需信息的问题。传统的全文搜索难以理解查询意图，而该工具通过RAG技术，将文档转化为语义向量，实现基于含义的智能搜索。

使用时，您需要将文档（如Markdown、PDF、TXT等）导入系统，它会自动进行分块、向量化并存储到Qdrant向量数据库中。当您提出问题时，系统会从向量库中检索语义最相关的文档片段，并结合Ollama或OpenAI等大语言模型生成精准、有上下文的答案。

它非常适合需要管理和利用内部知识库的开发者、内容创作者、学术研究者以及任何有大量文档检索需求的团队或个人。无论是查找技术文档中的某个概念，还是从项目报告里提取关键结论，都能显著提升效率。

建议在使用前，根据文档类型和查询需求调整文本分块策略和向量模型，以达到最佳检索效果。同时，请注意保护敏感文档的隐私，建议在可信的网络环境下部署和使用。

核心区别在于它集成了对本地模型Ollama和云端OpenAI的双重支持，用户可以根据数据隐私和成本需求灵活选择；同时，它直接对接Qdrant向量数据库，提供了开箱即用的文档向量化、存储与检索的完整工作流，无需用户自行搭建复杂的后端服务。

不适合处理实时性要求极高的流数据搜索，或文档格式极其复杂（如大量嵌套表格、特殊图表）的场景。

支持哪些文档格式？

支持常见的文本格式，如Markdown、PDF、TXT、Word等。

必须联网使用吗？

如果使用本地Ollama模型和Qdrant数据库，可以完全离线部署和运行。