mcpField
S
skool-rag

skool-rag

github.com/aiagentwithdhruv生産性2037 回インストール15 週間前に更新
リポジトリ

skool-rag について

skool-rag は Skool コミュニティのコンテンツを検索する RAG パイプラインです。投稿を取得・インデックス化し、ベクトル検索と再ランキングを経て参照元付きの回答を生成します。

主な機能

  1. 01コミュニティコンテンツの取得と分割
  2. 02Pinecone へのインデックス登録
  3. 03ベクトル検索と再ランキング
  4. 04参照元付き回答の生成

活用シーン

  1. 01Skool コミュニティ内で回答を探す
  2. 02インデックス化した議論を検索する
  3. 03検索用にコミュニティコンテンツを整える

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/aiagentwithdhruv/skills --skill skool-rag

インストール後、Claude Code で/skool-ragを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

scripts/
skool_rag_index.py
skool_rag_prepare.py
skool_rag_query.py

詳細

Skool RAG パイプライン

目標

ベクトル検索と再ランキングを使用する RAG（検索拡張生成）パイプラインで、Skool のコミュニティコンテンツを検索します。

スクリプト

  • ./scripts/skool_rag_prepare.py - インデックス作成用にコンテンツを準備します
  • ./scripts/skool_rag_index.py - Pinecone にコンテンツをインデックス化します
  • ./scripts/skool_rag_query.py - ナレッジベースを検索します

パイプライン

1. コンテンツを準備
python3 ./scripts/skool_rag_prepare.py --community makerschool

コミュニティコンテンツをスクレイピングし、チャンクに分割します。

2. Pinecone にインデックス化
python3 ./scripts/skool_rag_index.py --input .tmp/skool_chunks.json

OpenAI の埋め込みを作成し、Pinecone に保存します。

3. クエリ
python3 ./scripts/skool_rag_query.py --query "How do I get my first client?"

パイプライン：

  1. クエリ用の OpenAI 埋め込み
  2. Pinecone ベクトル検索
  3. Cohere による再ランキング
  4. Claude による応答生成

環境

PINECONE_API_KEY=your_key
OPENAI_API_KEY=your_key
COHERE_API_KEY=your_key
ANTHROPIC_API_KEY=your_key

スキーマ

入力
名前型必須説明
query文字列はい検索する自然言語の質問
community文字列いいえインデックス化するコミュニティのスラッグ（デフォルト：makerschool）
出力
名前型説明
answer文字列出典を参照した AI 生成の回答
認証情報
名前ソース
PINECONE_API_KEY.env
OPENAI_API_KEY.env
COHERE_API_KEY.env
ANTHROPIC_API_KEY.env
組み合わせ可能なツール

このツールと組み合わせやすいスキル：skool-monitor

コスト

Pinecone + OpenAI の埋め込み + Cohere による再ランキング + Claude

コメント

Markdown 対応