前言¶
组织内部的文档通常散落在各人电脑上，没有集中索引。当 Agent 需要基于这些本地文件回答问题时，常见的做法是先把文件全量读入上下文，成本高、检索质量也不稳定。另一个方向是自建向量库：搭 PostgreSQL、装 pgvector 扩展、写入库与检索脚本，工程量不小。下面介绍的 Skill 走的是第二条路，把部署和接入收敛成一键完成，Agent 通过 MCP 协议直接做语义搜索。
这是什么¶
这是发布在 SkillHub 上的一个社区 Skill，坐标 @user_edd42735/insigoo-sag，发布者 user_edd42735，当前版本 1.0.1，分类 knowledge-management，来源标注为 community。
它解决的问题是：组织已有本地文件知识，希望 Agent 能在这些文件上做语义检索，而不想自己维护向量库的搭建和检索链路。Skill 的一句话定位是语义增强检索引擎——一键部署 PostgreSQL/pgvector 向量数据库，Agent 通过 MCP 协议语义搜索知识库。
SkillHub 页面展示的评分为 100000，下载 840 次，安装数为 0。安装数为 0 意味着公开可见的采用记录很少，落地前需要自行验证。
核心功能¶
按官方简介，已核实的能力有两项：
1、一键部署 PostgreSQL/pgvector 向量数据库。Skill 内部负责把向量库环境准备出来，使用者不必单独写部署脚本。
2、Agent 通过 MCP 协议语义搜索知识库。检索能力以 MCP server 的形式暴露，Agent 侧按 MCP 协议调用，不需要为检索单独写 HTTP 客户端。
标签信息显示 requires_api_key=false，即按页面标注不需要额外的 API key 配置。
安装与启用¶
Skill 通过坐标引用，安装时使用发布者坐标：
@user_edd42735/insigoo-sag
版本 1.0.1，分类 knowledge-management。
需要说明的是，写作时 SkillHub 页面（https://www.skillhub.cn/skills/user_edd42735/insigoo-sag）与接口地址（https://api.skillhub.cn/user_edd42735/insigoo-sag）均无法访问，因此官方的安装命令、具体配置字段以及 Cursor / Codex CLI / Claude Code 之间的差异未能核实到。本节只列已确认的坐标与分类信息，命令层面的细节请以官方页面为准，不要照抄第三方写法。
典型用法¶
官方页面无法访问，没有核实到官方给出的可复现示例。下面说明的是该 Skill 描述的能力所对应的用法形态，不是逐字示例：
1、本地文件先入库。使用者把已有的本地文档交给 Skill，由其完成向量化并写入 PostgreSQL/pgvector。
2、Agent 侧通过 MCP 协议发起语义搜索。Agent 以 MCP 客户端身份调用检索能力，输入查询语义，返回知识库中的匹配内容。
3、Agent 基于检索结果继续作答或执行任务。
具体的调用参数、入库文件格式和触发条件，需要在实际部署后从 Skill 的说明中确认。
适用场景与注意¶
适合的场景：已有本地文件知识积累的组织，希望在不改造既有文件管理方式的前提下，让 Agent 具备语义检索能力。这类场景下文件已经在本地，缺的只是向量库和检索入口，与该 Skill 的定位匹配。
需要注意的限制：
- 前置条件是能部署并运行 PostgreSQL/pgvector，环境资源需自行准备。
- 安装数为 0，公开采用反馈很少，评分和下载量以 SkillHub 页面展示值为准。
- 官方文档当前无法访问，安装命令和配置字段存在核实缺口，接入前要预留验证时间。
- 检索质量取决于入库文件的质量和切分方式，这类细节同样需要在部署后确认。
结尾¶
这个 Skill 的价值在于把向量库部署和 MCP 检索接入合并成一步，适合不想自建检索链路、又已有本地文件知识的组织。写作时官方页面无法访问，评分、下载量和能力描述来自 SkillHub 已抓取的资料。官方地址：https://api.skillhub.cn/user_edd42735/insigoo-sag
