名称： local-rag-search
描述： 使用 mcp-local-rag 服务器高效执行网络搜索，并基于语义相似度进行结果排序。当你需要搜索网络获取最新信息、跨多个来源研究主题，或在不使用外部 API 的情况下从互联网收集背景信息时，请使用此技能。本技能教授如何有效利用基于 RAG 的网络搜索，包括 DuckDuckGo、Google 以及多引擎深度研究功能。
此技能使你能够有效利用 mcp-local-rag MCP 服务器进行智能网络搜索，并应用语义排序。该服务器执行类似 RAG 的相似度评分，以优先呈现最相关的结果，且无需任何外部 API。
rag_search_ddgs - DuckDuckGo 搜索用于注重隐私的通用网络搜索。
使用场景：
- 用户偏好注重隐私的搜索
- 一般信息查询
- 大多数查询的默认选择
参数：
- query: 自然语言搜索查询
- num_results: 初始获取的结果数量（默认：10）
- top_k: 返回的最相关结果数量（默认：5）
- include_urls: 是否包含来源 URL（默认：true）
rag_search_google - Google 搜索用于全面、技术性或详细的搜索。
使用场景：
- 技术或科学类查询
- 需要全面覆盖
- 搜索特定文档
deep_research - 多引擎深度研究用于跨多个搜索引擎进行综合性研究。
使用场景：
- 研究需要广泛覆盖的复杂主题
- 需要来自多个来源的不同视角
- 收集关于某个主题的全面信息
可用后端：
- duckduckgo: 注重隐私的通用搜索
- google: 全面的技术结果
- bing: 微软搜索引擎
- brave: 隐私优先搜索
- wikipedia: 百科全书/事实性内容
- yahoo, yandex, mojeek, grokipedia: 替代搜索引擎
默认设置： ["duckduckgo", "google"]
deep_research_google - 仅 Google 深度研究仅使用 Google 进行深度研究的快捷方式。
deep_research_ddgs - 仅 DuckDuckGo 深度研究仅使用 DuckDuckGo 进行深度研究的快捷方式。
使用自然语言：将查询写成问题或描述性短语
保持具体：包含上下文和细节
单一主题，快速答案 → 使用 rag_search_ddgs 或 rag_search_google
python
rag_search_ddgs(
query="法国的首都是什么？",
top_k=3
)
技术/科学查询 → 使用 rag_search_google
python
rag_search_google(
query="Docker 多阶段构建优化技术",
num_results=15,
top_k=7
)
综合性研究 → 使用 deep_research 并配合多个搜索词
python
deep_research(
search_terms=[
"机器学习基础",
"神经网络架构",
"2024 年深度学习最佳实践"
],
backends=["google", "duckduckgo"],
top_k_per_term=5
)
事实/百科内容 → 使用 deep_research 并配合 Wikipedia
python
deep_research(
search_terms=["第二次世界大战时间线", "二战关键战役"],
backends=["wikipedia"],
num_results_per_term=5
)
快速答案：
- num_results=5-10, top_k=3-5
综合性研究：
- num_results=15-20, top_k=7-10
深度研究：
- num_results_per_term=10-15, top_k_per_term=3-5
- 使用 2-5 个相关搜索词
- 使用 1-3 个后端（越多越全面，但速度越慢）
任务："上周联合国气候峰会发生了什么？"
1. 使用 rag_search_google 获取近期新闻报道
2. 设置 top_k=7 以获得全面视角
3. 呈现发现结果并附上来源 URL
任务："如何优化 PostgreSQL 查询？"
1. 使用 deep_research 并配合多个具体搜索词：
- "PostgreSQL 查询优化技术"
- "PostgreSQL 索引最佳实践"
- "PostgreSQL EXPLAIN ANALYZE 教程"
2. 使用 backends=["google", "stackoverflow"]（如果可用）
3. 将发现综合成可操作的指南
任务："研究远程工作对生产力的影响"
1. 使用 deep_research 并配合多样化的搜索词：
- "2024 年远程工作效率统计数据"
- "混合工作模式有效性研究"
- "在家工作挑战研究"
2. 使用 backends=["google", "duckduckgo"] 以获得广泛覆盖
3. 综合不同视角和研究结果
include_urls=True 时，在你的回答中引用来源 URL如果搜索返回的结果不足：
1. 尝试用不同的关键词重新组织查询
2. 切换到不同的后端
3. 增加 num_results 参数
4. 使用 deep_research 并配合多个相关搜索词
num_results 和 top_k