Back to skills
SKILL.md
Rag
ASecurity通用 RAG 方法论 Skill 集合(11 模块,跨项目可迁移):技术选型 / 加载 / 摄取 / 查询理解 / 检索 / 重排 / 生成防幻觉 / 多轮对话 / GraphRAG / 轻量词法多跳 / 评估。每篇「通用原则 + 落地建议」。
- 8 stars
- 0 votes
- 0 copies
- 0 views
- Added November 18, 2026
Security analysis
100/100Pro scans all 13 files and shows the line behind each finding
npx -y skills add belos-street/grimoire --skill rag --agent claude-codeAre you the author of Rag?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/belos-street-rag-grimoire)---
name: rag
description: 通用 RAG 方法论 Skill 集合(11 模块,跨项目可迁移):技术选型 / 加载 / 摄取 / 查询理解 / 检索 / 重排 / 生成防幻觉 / 多轮对话 / GraphRAG / 轻量词法多跳 / 评估。每篇「通用原则 + 落地建议」。
license: MIT
metadata:
author: Sectrend (experience distilled from iKnow paper, Huawei Cloud)
tags: [rag, retrieval, vector-db, llm, typescript, methodology]
based_on: "iKnow: an Intent-Guided Chatbot for Cloud Operations with RAG (ASE 2025, Huawei Cloud; PDF: https://jun-jie-huang.github.io/assets/papers/ase25_iknow.pdf)"
---
# RAG(检索增强生成)
> **通用 RAG 方法论 Skill 集合**(跨项目可迁移,与具体项目解耦)。每篇为「通用原则(适用于任何 RAG 项目)+ 落地建议(项目无关的参考命名 / 结构 / 参数)」。项目专属绑定由所在项目侧 `.agents/rules/rag-*.md` 提供(不在本 skill 内),本 skill 保持项目无关。论文依据:华为云 + 港中文的 iKnow 经验论文(ASE 2025,PDF 见 references)——对 2000 条真实云运维查询的实证发现 **过半 RAG 失败源于查询侧**(不完整 32% / 超范围 10% / 无效 9%),**知识缺失 27%** 是第二大根因并直接诱发幻觉。故标准 RAG 上应增加「查询理解与改写」「缺失知识检测」两层。
>
> **新项目先读 `rag-selection`**:按文档规模、硬件、部署合规与查询类型确定架构与阶段路线,再进入下面的生命周期。
## 通用 RAG 生命周期(不依赖任何项目)
```
加载 loader → 摄取/分块 ingestion → 查询理解 query → 检索 retrieval → 重排 rerank → 生成 generation → 评估 evaluation
(rag-loader) (rag-ingestion) (rag-query) (rag-retrieval) (rag-rerank) (rag-generation) (rag-evaluation)
↑ 多轮对话 rag-multi-turn(横切:每轮先做历史改写再进查询理解)
↑ GraphRAG rag-graphrag(进阶:跨文档/全局性问题时替代 chunk 级检索)
↑ 轻量词法多跳 rag-lexical-multihop(进阶:编号密集/低算力场景替代或补充检索)
```
各环节投入优先级不同(论文实测):**查询理解与评估**是性价比最高、最易被忽略的两环——前者修复 32% 的查询侧失败,后者让所有改进可验证;重排/GraphRAG/轻量词法多跳/多轮属**按需启用**的进阶能力。
## 模块导航(遇到什么问题 → 读哪篇)
| 遇到的问题 | 模块 | 篇目 |
| --- | --- | --- |
| 新项目不知从哪套架构起步(规模/硬件/查询类型) | rag-selection | `references/rag-selection.md` |
| 加载多格式文档(PDF/HTML/Office/图片) | rag-loader | `references/rag-loader.md` |
| 分块 / 去重 / 批量嵌入 / 入库 | rag-ingestion | `references/rag-ingestion.md` |
| 检索前把模糊问题改写为语义完整问题 | rag-query | `references/rag-query.md` |
| 混合检索(dense + keyword + RRF 融合) | rag-retrieval | `references/rag-retrieval.md` |
| 检索后精排(候选集大 / 专有名词多时) | rag-rerank | `references/rag-rerank.md` |
| 防幻觉生成 + 溯源(prompt / 生成链路) | rag-generation | `references/rag-generation.md` |
| 多轮对话(追问改写 / 历史压缩) | rag-multi-turn | `references/rag-multi-turn.md` |
| 跨文档 / 全局性问题(图谱聚合) | rag-graphrag | `references/rag-graphrag.md` |
| 编号/型号密集、无 GPU、需要可解释证据链 | rag-lexical-multihop | `references/rag-lexical-multihop.md` |
| 验收 / 回归 / 评估指标 | rag-evaluation | `references/rag-evaluation.md` |
| 想了解论文原始数据 / 结论细节 | 论文笔记 | `references/iknow-paper-notes.md` |
## 论文经验 → 通用对策(为什么这么设计)
| 论文发现(iKnow,2000 条真实查询) | 占比 | 通用对策 |
| --- | --- | --- |
| 查询不完整(如只输入一个名词) | 32% | **检索前查询改写**:LLM 按意图把模糊问题改写为语义完整的问题(rag-query) |
| 知识缺失(知识库无对应内容 → 幻觉) | 27% | **缺失知识检测 + 降级回答**:判断上下文是否足够,不足则明示"暂无相关信息"(rag-generation) |
| 查询意图与失败强相关(术语解释类 58.8% 败于不完整) | — | **意图分类**:5 类意图,改写 prompt 按意图定制(rag-query) |
| 检索不准确(相关文档不在 top-k) | 11% | **双通道混合检索 + RRF 融合**:dense + keyword 互补(rag-retrieval) |
| 生成不准确 | 11% | 注入"原始问题 + 改写问题 + 上下文"三段 prompt,约束仅依据给定上下文回答(rag-generation) |
| 超范围 / 无效查询 | 19% | 意图分类识别无效 / 越界问题,路由到降级回答(rag-query) |Files in this skill
- references/iknow-paper-notes.md
- references/rag-evaluation.md
- references/rag-generation.md
- references/rag-graphrag.md
- references/rag-ingestion.md
- references/rag-lexical-multihop.md
- references/rag-loader.md
- references/rag-multi-turn.md
- references/rag-query.md
- references/rag-rerank.md
- references/rag-retrieval.md
- references/rag-selection.md
- skill.md
Attribution
Related skills
View all in ai-agents →Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.