前言¶

用 RAGFlow 搭知识库时，常见做法是自己写脚本调 API：登录、拿 token、拼请求、处理分页和文件上传，一套下来上百行。换到 Agent 场景，这个脚本还得被模型可靠地复用，工具描述、参数校验、错误处理都要自己补齐。

ragflow-knowledge-db 就是把这层工作封装成一个 Skill，让 Agent 可以直接管理知识库、上传文档、检索知识、发起 RAG 对话，不需要使用者再手写 API 客户端。

这是什么¶

ragflow-knowledge-db 是一个社区来源（community）的 Skill，坐标为 @user_3bdd14fe/3039dc63-d846-4c9d-a392-35c306448cfb，版本 1.0.0，发布者 user_3bdd14fe，分类 knowledge-management。

它解决的问题是：Agent 缺少一个稳定的 RAGFlow 操作入口，知识库增删改查、文档上传、知识检索、研究任务管理散落在各家脚本里，接口参数不统一。该 Skill 提供完整的 RAGFlow API 客户端和数据库交互能力，把这些操作收敛到一套 Skill 调用里。

核心功能¶

根据官方页面说明，已核实的能力包括：

1、知识库管理，创建、查询、维护 RAGFlow 知识库。
2、文档上传，向知识库投递文档。
3、知识检索，从知识库中检索知识片段。
4、RAG 对话，基于知识库做检索增强问答。
5、研究任务管理，处理 RAGFlow 侧的研究任务。

需要说明的是，页面上标注了 requires_api_key=true，即调用前必须准备好 RAGFlow 的 API Key。

安装与启用¶

SkillHub 页面提供了技能 ID 与官方地址，但没有给出可直接复制的安装命令，因此这里只记录已核实的信息。

技能坐标：

@user_3bdd14fe/3039dc63-d846-4c9d-a392-35c306448cfb

官方页面：

https://www.skillhub.cn/skills/user_3bdd14fe/3039dc63-d846-4c9d-a392-35c306448cfb

环境变量方面，页面明确要求配置以下三项：

1、RAGFLOW_BASE_URL，RAGFlow 服务地址。
2、RAGFLOW_API_KEY，API Key。
3、数据库相关环境变量，具体名称和取值以 Skill 包内 SKILL.md 的配置说明为准，官方页面没有逐一列出，此处不推测。

启用方式按通用 SKILL.md 格式处理：把该 Skill 放进 Agent 的 skills 目录，使其在会话中被加载，然后在对话里直接描述要完成的操作（例如「把这批文档上传到某个知识库并检索」）。Cursor、Codex CLI、Claude Code 的具体目录差异，官方页面没有说明，不在此展开。

典型用法¶

官方页面给出的典型链路是：先在 RAGFlow 侧准备好服务地址和 API Key，把环境变量配好，再通过 Skill 依次完成知识库管理、文档上传、知识检索和 RAG 对话。研究任务管理属于同一套客户端能力的一部分。

具体到某一次调用的请求体和参数样例，抓取到的页面没有提供代码块，需要以 Skill 包内的 SKILL.md 为准，这里不编造示例。

适用场景与注意¶

适合已经在用 RAGFlow 的开发者和 Agent 使用者：想把知识库操作交给 Agent 统一调度，又不想自己维护 API 客户端脚本。对只是想临时调一次接口的场景，直接写脚本可能更轻。

需要注意三点：

1、必须有可用的 RAGFlow 服务和有效 API Key，requires_api_key=true 决定了未配置时无法工作。
2、依赖数据库相关环境变量，配置项缺失时按 SKILL.md 补齐，不要凭印象填。
3、来源是 community，发布者为 user_3bdd14fe，采用前建议自己过一遍 Skill 包内的脚本和请求逻辑。

结尾¶

ragflow-knowledge-db 的价值在于把 RAGFlow 的知识库、文档、检索、对话操作收进一个 Skill，省掉手写客户端的重复劳动。如果你已经在维护 RAGFlow 知识库，可以把它作为 Agent 的操作入口试一轮。

官方地址：https://www.skillhub.cn/skills/user_3bdd14fe/3039dc63-d846-4c9d-a392-35c306448cfb