$ loading_
帮助开发团队搭建可自托管的RAG流水线，用于代码检索、风险发现与CI集成。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ragkit" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 ragkit 索引这个仓库，并基于代码、配置和文档扫描高优先级问题。重点关注安全风险、弃用依赖、错误配置和明显的稳定性隐患，按优先级输出发现结果与修复建议。
一份按优先级排序的问题清单，包含证据位置、风险说明和修复建议。
请说明如何把 ragkit 接入我们的 CI 流程：在每次提交和拉取请求时自动更新索引、执行代码扫描，并在发现高风险问题时让构建失败。同时给出推荐的执行步骤和结果输出格式。
一套CI集成方案，包含触发时机、执行步骤、失败条件和结果呈现方式。
请用 ragkit 为我们的代码仓库、技术文档和配置文件建立可检索知识库，并设计几个适合 AI 代理调用的查询示例，例如定位认证逻辑、查找数据库连接配置、追踪某个服务的依赖关系。
一个面向AI代理的检索方案，以及若干可直接使用的查询示例。
帮助用户用低代码方式搭建复杂创新的 RAG 检索增强生成流程
帮助用户快速搭建本地 RAG 服务，实现私有知识检索与问答集成。
检测 RAG 语料中的投毒、嵌入异常与后门触发，辅助 AI 系统安全接入。
为大模型建立文档索引并按需检索相关上下文，提升问答质量。
帮助 AI 深度理解代码库并进行语义检索分析
将非结构化文档转为可检索知识库，并通过 MCP 提供检索能力给 AI 代理调用。