$ loading_
基于本地向量库存储与语义检索文本,实现对话式记忆和信息召回。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"mcp-rag-local" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请把以下项目文档片段写入本地知识库,并按语义检索优化索引,后续我会直接提问:\n1. 产品发布流程:需求评审、开发排期、测试验收、灰度发布。\n2. 故障升级规则:P1 15分钟内响应,P2 1小时内响应。
文本被写入本地向量库,并可在后续对话中按语义准确召回相关内容。
从本地记忆中查找与“高优先级故障响应时间”最相关的内容,返回原文片段并简要总结。
返回最相关的知识片段,如 P1/P2 响应规则,并附带简明摘要。
记住这段偏好设置:我喜欢输出先给结论,再给步骤;代码示例优先使用 Python;回答尽量简洁。之后生成内容时优先遵循这些偏好。
偏好信息被写入可检索记忆中,后续对话会自动参考这些长期上下文。
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。