DSH 用戶在處理文獻時，通常面臨引用追蹤困難、無法定位具體頁碼或章節的問題。通用 RAG 往往只返回摘要而非原文證據。dsh-kb-rag 解決了這個問題，它將 PDF 文件和 Zotero 庫索引到一個 SQLite 文件中，並返回帶有位置元數據的段落。
插件信息¶
- 名稱：dsh-kb-rag
- 類別：記憶
- 維護者：Breeze136
- 許可證：MIT
- GitHub：Breeze136/dsh-kb-rag
- 目錄頁：dsh-kb-rag 在 SkillHub
核心功能¶
- 本地優先的文獻 RAG：所有索引、嵌入和重排序均在本地運行，無需上傳數據，無 API 成本。
- 多源索引：支持將 PDF 文件和 Zotero 圖書館索引到單一的 SQLite 數據庫中。
- 位置元數據：返回的檢索段落包含章節、物理 PDF 頁碼和可點擊的 DOI 鏈接。
- 本地模型：使用本地嵌入和重排序模型。
- MCP 支持：提供 MCP 服務器模式，可被 Claude Desktop、Cursor 等工具使用。
安裝與啓用¶
安裝過程會處理 Python 依賴、引擎測試以及 Node/pnpm 的檢查。
- 執行安裝命令：
npx dsh-kb-rag-install
- 首次使用時，插件會下載約 95MB 的嵌入模型和約 1.1GB 的重排序器，因此初始化速度較慢，後續查詢將進入內存緩存，速度會顯著提升。
典型用法¶
安裝完成後，可通過以下工具進行操作：
- kb_rag：檢索證據。用於向知識庫提問，獲取帶有引用的段落。
- kb_ingest：批量索引。用於處理文件索引，支持後臺異步任務。
- kb_status：查詢狀態。用於輪詢
kb_ingest的後臺作業狀態。 - kb_scope：定義範圍。用於定義查詢的嚴格模式和範圍。
適用場景與注意事項¶
適用場景：
* 需要基於本地文獻庫進行 RAG 檢索的研究人員。
* 已經有大量 PDF 文獻或 Zotero 庫，希望進行結構化索引的用戶。
* 需要精確引用來源和頁碼的開發者。
注意事項：
* 權限問題：插件以當前 DSH 進程的權限運行，安裝前應檢查源碼與許可證。
* 首用速度：首次使用需要下載模型文件，耗時較長。
* 文件格式限制：無文本層的掃描 PDF 會被跳過。
* 索引內容：圖片本身不索引，僅索引圖片的圖注（caption）爲文本。
* 語言限制：跨語言檢索能力較弱。
結語¶
dsh-kb-rag 提供了一種本地化、結構化的文獻管理方式。通過 SQLite 存儲和本地模型計算，它能夠在保護數據隱私的同時，提供帶有精確位置信息的檢索結果。更多細節可參考其 GitHub 倉庫。
