retrieval
通过结构化检索与思维链增强AI推理能力的MCP服务器
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：retrieval。 它的用途是：通过结构化检索与思维链增强AI推理能力的MCP服务器 完整的 Skill 内容见：https://321skill.com/skills/retrieval/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
“请分析我们上一季度的营销数据，并给出下一季度的优化建议。” AI在retrieval skill的辅助下，会先检索历史活动数据、市场基准和成功案例，然后分步骤推理：1.识别关键指标变化；2.关联外部市场因素；3.构建多种假设；4.基于证据评估每种策略的潜在效果，最后给出有数据支撑和逻辑链条的建议报告。
介绍
retrieval skill 旨在解决AI在处理复杂问题时可能出现的推理跳跃或信息缺失问题。它通过引入结构化的外部知识检索和思维链（Chain-of-Thought）引导，帮助AI在生成答案前进行更系统、更深入的思考，从而提升最终输出的准确性和逻辑性。
使用时，你需要将retrieval skill作为MCP（Model Context Protocol）服务器部署或集成到你的AI工作流中。当AI遇到需要深度分析、多步骤推理或依赖特定领域知识的任务时，该skill会自动介入，先进行相关信息的检索和逻辑链条的构建，再辅助AI生成最终回答。
它非常适合需要严谨逻辑、依赖事实依据或涉及复杂决策场景的用户，例如进行技术调研、撰写分析报告或制定项目计划时，希望AI的思考过程更透明、结论更可靠的场景。
建议在部署前明确你需要增强的推理领域（如代码审查、数据分析），并准备好相应的知识库或数据源以供检索。注意，其效果很大程度上依赖于检索到的信息质量，因此确保数据源的准确性和时效性至关重要。
核心特点
与单纯提供知识检索的skill不同，它深度融合了检索增强生成（RAG）与思维链（CoT）技术，强制AI在回答前展示其推理步骤，使思考过程结构化、可追溯。同时，其检索机制针对“增强推理”进行了优化，优先寻找能支撑逻辑链条的证据和案例，而非简单的事实匹配。
注意事项
不适合对实时性要求极高或仅需简单事实查询的即时问答场景。
常见问题
retrieval skill 和普通的知识库检索有什么区别？
它不仅检索信息，更关键的是利用检索到的信息构建和引导AI的推理链条，使思考过程更严谨、结论更有依据。
部署后如何让AI调用这个skill？
在支持MCP协议的AI客户端（如Claude Desktop）中配置好服务器地址，AI在遇到复杂问题时会自动或根据你的指令调用其增强推理能力。
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/retrieval/raw/index.md 读取 retrieval 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/retrieval/raw/index.md（查看排版版本）