$ loading_
为本地个人文档构建私有 RAG 检索问答，支持多种并行策略。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"OpenRAG MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请连接 OpenRAG MCP Server，基于我本地导入的 PDF、笔记和 Markdown 文档，回答“过去一年我记录过哪些关于向量数据库选型的结论？”，并给出引用来源。
返回基于本地文档的答案摘要，并附带相关段落或文件引用。
请分别使用 Traditional、Contextual 和 Graph RAG 检索我的项目文档，回答“系统架构中各服务之间的依赖关系是什么？”，并比较三种策略结果的差异。
输出三种检索策略下的回答结果，并总结各自优缺点与适用场景。
基于 OpenRAG MCP Server 中本地存储的合同和会议纪要，整理“当前合作项目的关键时间节点、负责人和待办事项”，要求不要依赖外部云端服务。
生成一份结构化项目摘要，包含时间节点、责任人和后续行动项。
让 AI 安全检索本地私有文档，并基于持久记忆回答问题。
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。
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。
让兼容 MCP 的应用完成多模态文档解析、检索与 RAG 问答。
为 PDF 文档提供语义检索与问答能力，帮助快速提取关键信息。
为开发者提供本地优先的代码与技术文档智能检索和私密问答能力