名称： raglite
版本： 1.0.0
描述： "本地优先的 RAG 缓存：将文档提炼为结构化 Markdown，然后使用 Chroma 和混合搜索（向量 + 关键词）进行索引与查询。"
元数据：
{
"openclaw": {
"emoji": "🔎",
"os": ["darwin", "linux"],
"requires": { "bins": ["python3", "pip"] }
}
}

RAGLite — 本地 RAG 缓存（非记忆替代方案）

RAGLite 是一个本地优先的 RAG 缓存。

它不替代模型记忆或聊天上下文。它为你的智能体提供了一个持久存储和检索模型未训练信息的场所——尤其适用于本地/私有知识（学校作业、个人笔记、医疗记录、内部操作手册）。

为何优于“付费 RAG”/知识库（在许多场景下）

• 本地优先的隐私性： 敏感数据保留在本地机器或网络中。
• 开源构建模块： Chroma 🧠 + ripgrep ⚡ —— 无需托管向量数据库。
• 嵌入前压缩： 先提炼 → 减少冗余/重复 → 降低提示成本 + 提升检索可靠性。
• 可审计的产物： 提炼后的 Markdown 是人类可读且可版本控制的。

如果未来本地方案无法满足需求，你可以随时切换到托管数据库——但通常并不需要。

功能概述

1) 提炼 ✍️

将文档转换为结构化的 Markdown 输出（内容精炼，突出“关键信息”）。

2) 索引 🧠

将提炼后的输出嵌入到 Chroma 集合中（一个数据库，多个集合）。

3) 查询 🔎

混合检索：
- 通过 Chroma 进行向量相似性搜索
- 通过 ripgrep (rg) 进行关键词匹配

默认引擎

除非显式传递 --engine 参数，否则本技能默认使用 OpenClaw 🦞 进行内容提炼。

前置要求

• Python 3.11+
• 用于索引/查询：
• Chroma 服务器可达（默认 http://127.0.0.1:8100）
• 用于混合关键词搜索：
• 已安装 rg (brew install ripgrep)
• 用于 OpenClaw 引擎：
• OpenClaw Gateway /v1/responses 可达
• 如果网关需要认证，请设置 OPENCLAW_GATEWAY_TOKEN 环境变量

安装（技能运行时）

此技能将 RAGLite 安装到技能本地的虚拟环境中：

./scripts/install.sh

它从 GitHub 安装：
- git+https://github.com/VirajSanghvi1/raglite.git@main

使用方法

一键式管道（推荐）

./scripts/raglite.sh run /path/to/docs \
  --out ./raglite_out \
  --collection my-docs \
  --chroma-url http://127.0.0.1:8100 \
  --skip-existing \
  --skip-indexed \
  --nodes

查询

./scripts/raglite.sh query ./raglite_out \
  --collection my-docs \
  --top-k 5 \
  --keyword-top-k 5 \
  "rollback procedure"

输出内容

在 --out 指定的目录中，你将看到：
- *.tool-summary.md
- *.execution-notes.md
- 可选：*.outline.md
- 可选：*/nodes/*.md 以及每个文档的 *.index.md 和一个根 index.md
- 元数据位于 .raglite/ 目录下（缓存、运行统计、错误信息）

故障排除

• Chroma 不可达 → 检查 --chroma-url 参数，并确保 Chroma 正在运行。
• 无关键词搜索结果 → 安装 ripgrep (rg --version)。
• OpenClaw 引擎错误 → 确保网关已启动且相关环境变量已正确设置。

核心价值（用于 ClawHub 列表展示）

RAGLite 是一个用于重复查询的本地 RAG 缓存。

当你（或你的智能体）需要反复搜索相同的非训练数据时——例如本地笔记、学校作业、医疗记录、内部文档——RAGLite 为你提供了一个私密、可审计的知识库：

1) 提炼为结构化 Markdown（嵌入前压缩）
2) 索引到本地的 Chroma 中
3) 查询时使用混合检索（向量 + 关键词）

它不替代记忆/上下文——它是存储你未来需要再次使用信息的地方。