search
结合RAG与MCP协议的智能搜索增强工具
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：search。 它的用途是：结合RAG与MCP协议的智能搜索增强工具 详细介绍见：https://321skill.com/skills/search/ 请根据该页面的说明完成安装。
使用示例
“帮我搜索一下我们项目文档中关于‘用户认证微服务’的最新设计决策。”，它会通过集成的RAG管道，检索你已索引的项目文档，并生成一个结合了通用知识和你私有文档上下文的详细解答。或者，你可以说：“基于我上传的行业分析PDF，总结一下当前AI代理领域的主要趋势。”
介绍
该Skill旨在解决传统AI搜索工具信息滞后、缺乏个性化知识库支持的问题。它通过集成检索增强生成（RAG）技术，允许用户连接自己的知识库或文档，确保搜索结果不仅基于模型预训练知识，还能结合最新的、私有的上下文信息，提供更精准、相关的答案。
使用时，用户需要配置好Ollama本地模型或远程模型端点，并准备好自己的文档数据源。通过MCP（Model Context Protocol）协议，该Skill可以方便地接入Claude等AI平台，将复杂的RAG流程封装为简单的搜索指令，用户只需像普通搜索一样提问即可获得增强后的答案。
它非常适合需要结合内部文档、技术手册、研究论文或私有数据进行深度信息检索和分析的专业人士。无论是开发者在查找特定项目的代码规范，还是研究人员在分析最新的行业报告，都能从中受益。
建议在使用前确保数据源的质量和格式规范，以获得最佳的检索效果。同时，由于涉及本地模型调用，请确保运行环境（如内存、GPU）满足Ollama模型的要求，初次使用可能需要一些时间进行环境配置和数据索引。
核心特点
核心区别在于深度整合了MCP协议，使其能无缝接入Claude等AI平台的工作流，将RAG能力直接转化为AI对话中的搜索指令；同时，它基于LangChain构建，提供了从文档加载、向量化到检索生成的完整、可定制化流水线，而非简单的API封装。
注意事项
不适合对实时性要求极高的搜索（如秒级变化的股票价格），且严重依赖本地或远程Ollama模型的可用性与性能。
常见问题
这个Skill需要自己部署模型吗？
是的，需要本地部署Ollama或配置可访问的远程模型服务来提供底层LLM能力。
它能搜索哪些类型的文档？
支持常见格式如PDF、TXT、Markdown等，通过LangChain的文档加载器处理，需要先对文档进行向量化嵌入并建立索引。