$ loading_
记录并审计 MCP 代理中的 RAG 检索过程，便于回放、对比与排查问题。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"retrieval-lens" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 retrieval-lens 记录这次 MCP 代理的 RAG 检索过程，并输出每一步看到的 chunks、相关性分数、来源与排序，帮我定位为什么答案引用了不相关内容。
一份可审计的检索日志，列出各候选片段、分数、来源和排序，并指出可能的异常检索原因。
请对比同一问题在两次不同配置下的检索记录，展示 chunks、分数、来源和排名差异，并总结哪种配置更稳定。
一份检索差异报告，清楚展示两次运行的召回与排序变化，并给出配置评估结论。
请回放这次历史 RAG 检索记录，按时间顺序还原模型看到的内容、检索来源和排序结果，用于审计与复盘。
一份按时间线整理的检索回放结果，帮助团队审计模型实际接触到的信息。
为智能体提供本地优先的文档索引、检索与相关段落召回能力
提供基于RAG的知识检索与文档管理，支持混合搜索、重排和检索可视化。
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。
智能检索增强生成工具，可自动在私有知识库与网页间选择信息来源。
为项目提供可追溯的知识库检索与知识片段写入能力
为 IDE 智能代理检索本地 PDF 相关片段，辅助生成更准确答案。