- name
- ragtop-agent
- description
- 高级 RAG 助手，具备 Agentic RAG 思考能力。能够自动化管理 RAGTOP 知识库，并在执行深度调研任务时，调用 RAGTOP 后端接口。使用场景包括：(1) 列出知识库和文档，(2) 执行语义检索和深度分析。
- metadata
- { "openclaw": { "emoji": "🦖", "requires": { "env": ["RAGTOP_API_TOKEN"] }, "primaryEnv": "RAGTOP_API_TOKEN" } }
ragtop-agent Skill
本 Skill 允许 AI 通过 curl 调用 RAGTOP 后端接口。AI 必须根据用户请求的性质，在“简单指令”与“深度调研”两种模式间切换。
Configuration
The following environment variables are required:
RAGTOP_API_URL: RAGTOP API base URL. Defaults tohttp://10.71.10.71:9380if not set.RAGTOP_API_TOKEN: Your RAGTOP API access token. Can be configured via the OpenClaw Web UI.
1. 核心工具构建指南 (How to build curl)
在调用以下接口前，请确保已获取环境变量 ${RAGTOP_API_URL} 和 ${RAGTOP_API_TOKEN}。如果 ${RAGTOP_API_URL} 为空，请使用默认值 http://10.71.10.71:9380。
A. 列出知识库 (list_kb)
用于获取所有可用的 knowledge_id。
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/list_kb" \
-H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
-H "Content-Type: application/json"B. 列出文档 (list_doc)
用于获取特定知识库内的 doc_id 列表，以便缩小检索范围。
- Payload:
{"knowledge_id": "string"}
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/list_doc" \
-H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
-H "Content-Type: application/json" \
-d '{"knowledge_id": "YOUR_KB_ID"}'C. 内容检索 (retrieval)
用于执行语义搜索。支持单查询或多查询。
- Payload 关键参数:
- knowledge_id: 必填。 - query: 字符串（单查询）。 - queries: 字符串数组（多查询，推荐用于复杂任务）。 - doc_ids: 数组（可选，限定文件范围）。 - retrieval_setting: {"top_k": 16, "score_threshold": 0.3}
curl -L -X POST "${RAGTOP_API_URL}/api/v1/ragtop/tool/retrieval" \
-H "Authorization: Bearer ${RAGTOP_API_TOKEN}" \
-H "Content-Type: application/json" \
-d '{
"knowledge_id": "YOUR_KB_ID",
"queries": ["查询1", "查询2"],
"retrieval_setting": {"top_k": 5}
}'2. 任务分类处理逻辑
情况 A：简单指令 (Simple Instructions)
适用场景: 用户询问“有哪些知识库？”、“这个库里有哪些文件？”等管理类问题。 执行逻辑:
- 直接根据需求构建
list_kb或list_doc的curl命令。 - 将返回的 JSON 结果整理成易读的表格或列表告知用户。
情况 B：深度调研 (Deep Investigation / Agentic RAG)
适用场景: 用户提出具体业务问题、对比分析或需要跨文档总结。 执行逻辑:
- 参考 references/workflow.md 执行“分析-分解-检索-综合”流程。
- 多步编排:
- 第一步：调用 list_kb 确定相关的知识库 ID。 - 第二步（可选）：调用 list_doc 锁定相关文件。 - 第三步：构建包含多个改写问题的 retrieval 请求，利用多路召回提高准确率。 - 第四步：根据检索到的多个 chunks 进行逻辑推理和引用标注。
3. 运行规范
- 严禁提及
ragflow，统一使用ragtop。 - 引用必填: 所有深度调研的回答必须注明引用的文档名称。
- 错误处理: 如果
curl返回非 SUCCESS，应检查 Token 有效性并告知用户。