Huajijunbilibili/dsh-localrag

README 摘要

localrag-mcp — 本地文档 RAG 检索插件（DeepSeek Harness） 一个给 DeepSeek Harness 的 agent 提供本地知识检索能力 的 MCP 工具插件： agent 在对话中可以直接调用 mcp localrag search 等工具，对本地文档做 语义检索并带来源引用 的回答。 生态贡献：这是 DeepSeek Harness 官方贡献指南中"创建插件并分享"的实践项目，发布到 GitHub 后打上 dsh-plugin 话题即可被社区发现。 架构 快速开始 ✅ 验证结果（真实运行） 独立测试（ python test-client.py ）： Harness 集成（ pnpm dsh web --patch localrag.cordis.yml ）实测：agent 按提示依次调用 index documents → search ，最终回答 带来源与得分引用 ： 主要来源：langgraph-multiagent.md（chunk 0、1，检索得分 0.4851 / 0.2863） 补充背景：langchain-basics.md（得分 0.1219） 工具清单（agent 视角） MCP 工具名 说明 mcp localrag index documents 索引目录下的 .md/.txt（递归），分块 + 向量化入库 mcp localrag search 语义检索 top-k，返回文本、来源路径、相关性分数 mcp localrag list documents 列出知识库全部来源文档 设计要点 - 检索带来源 ：每个 chunk 记录 source （文件绝对路径），agent 回答可溯源——这是区别于普通聊天的关键能力 - 全本地运行 ：embedding 用 ONNX 本地推理，不依赖外部 embedding API，无需任何密钥 - 分块策略 ：512 字符滑动窗口 + 64 重叠，中文文档友好（v2 可升级为语义分块） - 增量索引 ： upsert 按文件去重，重复索引同一目录不会产生重复向量 Roadmap（v2） - [ ] PDF / Word 支持（pdfplumber + python-docx） - [ ] 语义分块（基于段落/标题，而非固定窗口） - [ ] 用 LangChain 封装成标准 RAG 流程（多路召回 + 重排） - [ ] 与多 agent 深度研究系统整合（检索 worker 复用本插件） - [ ] 评估：用 RAGAS 对检索质量打分 简历用法 为 DeepSeek Harness 生态开发 dsh-plugin：本地文档 RAG 检索 MCP 插件（Python + Chroma + fastembed） - 实现 index/search/list …

分类