mcpField
S
skool-rag

skool-rag

github.com/aiagentwithdhruv生产力2037 次安装15 周前更新
代码仓库

关于 skool-rag

skool-rag 是用于检索 Skool 社区内容的 RAG 流程，可抓取并索引帖子，再通过向量搜索与重排生成带来源引用的回答。

主要功能

  1. 01抓取并切分社区内容
  2. 02将内容索引到 Pinecone
  3. 03通过向量检索和重排搜索
  4. 04生成带来源引用的回答

适用场景

  1. 01查找 Skool 社区中的答案
  2. 02查询已索引的社区讨论
  3. 03整理社区内容以供搜索

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/skool-rag确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

scripts/
skool_rag_index.py
skool_rag_prepare.py
skool_rag_query.py

详细介绍

Skool RAG 流水线

目标

使用带向量搜索和重排序功能的 RAG（检索增强生成）流水线查询 Skool 社区内容。

脚本

  • ./scripts/skool_rag_prepare.py - 准备用于索引的内容
  • ./scripts/skool_rag_index.py - 在 Pinecone 中为内容建立索引
  • ./scripts/skool_rag_query.py - 查询知识库

流水线

1. 准备内容
python3 ./scripts/skool_rag_prepare.py --community makerschool

抓取社区内容并将其分块。

2. 在 Pinecone 中建立索引
python3 ./scripts/skool_rag_index.py --input .tmp/skool_chunks.json

创建 OpenAI 嵌入并存储到 Pinecone 中。

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

流水线：

  1. 使用 OpenAI 嵌入处理查询
  2. Pinecone 向量搜索
  3. Cohere 重排序
  4. Claude 生成响应

环境

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

架构

输入
名称类型必填描述
query字符串是要搜索的自然语言问题
community字符串否要建立索引的社区 slug（默认值：makerschool）
输出
名称类型描述
answer字符串AI 生成的答案及来源引用
凭据
名称来源
PINECONE_API_KEY.env
OPENAI_API_KEY.env
COHERE_API_KEY.env
ANTHROPIC_API_KEY.env
可组合使用

适合与此工具链式配合的技能：skool-monitor

成本

Pinecone + OpenAI 嵌入 + Cohere 重排序 + Claude

评论

支持 Markdown