make-to-markdown：用 markitdown 把多格式文檔統一成 RAG 可用的 Markdown
make-to-markdown（@indiv-ebandao/make-to-markdown，v1.0.11）是 SkillHub 知識管理類 Skill，用 markitdown 將 PDF、Office、表格、HTML、圖片、音頻、ZIP、YouTube、EPub 等轉爲 UTF-8 Markdown，並支持 .doc/.ppt 經 COM 或 LibreOffice 預處理。統一入口 scripts/convert.py 負責依賴安裝、降級與後置清洗，批量場景有 Init-Step-Poll 與 V1–V6 校驗。可通過 skillhub.md 指引或 skillhub install --dir 安裝到 Cursor 等 skills 目錄；需本機 uv 與 python。
閱讀全文RAG 知識庫搭建：企業級 RAG 從零到 Pipeline 的 Agent Skill
SkillHub 社區 Skill「RAG 知識庫搭建」（@user_69009747/rag-knowledge-base-builder，v1.0.0）面向企業級 RAG 從零搭建：固定/語義/結構化分塊與小切大優化，BGE、BGE-M3、OpenAI 嵌入選型（含 MTEB 參考），LangChain Pipeline（攝入、向量化、檢索、Rerank、生成、Ragas 評估），向量庫可選 ChromaDB、FAISS、Milvus，並提及一鍵部署腳本。文章說明 Skill 定位、核心能力，以及通過 skillhub CLI 或安裝文檔在 Cursor 等環境啓用的方式。
閱讀全文提示詞大師-java版：把畫面意圖轉成 AI 可執行的專業提示
提示詞大師-java版是 SkillHub 社區 ai-agent 類 Skill（@user_5d00e27d/majia-system-prompt-java，v1.0.2），通過馬甲系統將腦海中的畫面整理爲 AI 可理解的專業提示。首次會追問確認方向，後續藉助緩存加快對話，並用 RAG 將成功案例入庫以持續優化。標籤 requires_api_key=true，需配置 API Key。安裝可用 skillhub install 並指定 Cursor 等客戶端的 skills 目錄，或讓 Agent 按官方安裝文檔操作；對話中輸入「新手指南」查看完整說明。
閱讀全文dsh-obsidian-board：把本地 Obsidian 變成 DSH 的本地知識庫對話面板
`dsh-obsidian-board` 是 DeepSeek Harness 的本地檢索插件，將 Obsidian vault 變成 RAG 面板。它採用雙半架構：宿主端負責 BM25 索引與檢索，瀏覽器端負責 UI 交互。具備極快的增量索引速度、點擊引用跳轉原文、可隨時停止生成、以及完全的本地安全隔離（歷史存儲在瀏覽器本地，優先檢索自有筆記）等特點。安裝後配置 vault 路徑，即可實現針對筆記內容的問答與總結。
閱讀全文本地知識庫智能問答：用個人文檔做問答、報告與向量索引
介紹 SkillHub 社區技能「本地知識庫智能問答」（@user_4c392ef3/knowledge-qa，v1.0.0）。面向 PDF/Markdown/Word 等個人資料，支持基於知識庫問答、生成報告與思維導圖、上傳索引與分區/向量庫管理；觸發詞涵蓋「基於知識庫」「查一下知識庫」「整理成報告」等。說明 skillhub CLI 安裝到 Cursor 等 skills 目錄的方法，並提示 requires_api_key 標籤與安裝路徑注意事項。
閱讀全文IMA知識庫法律諮詢專家：用 RAG 做法律問題初步診斷與行動策略
IMA知識庫法律諮詢專家是 SkillHub 社區 Skill（@user_b463487e/tencent-ima-copilot-legal-consultation，v1.1.2），以資深律師分階段辦案思維結合 RAG 檢索，提供法律糾紛的初步診斷與行動策略。支持分層精讀、多輪換詞搜索、結構化引用與效力標註、快速/專家雙模式，並內置絕對溯源、時效驗證與幻覺自檢。適用於欠錢不還、勞動、合同、家事等常見諮詢及法律文件分析，不替代正式法律意見與出庭。requires_api_key=false，按 skillhub.cn/install/skillhub.md 安裝即可。
閱讀全文提示詞大師-python版：把畫面意圖翻譯成 AI 可用的專業提示詞
提示詞大師-python版是 SkillHub 社區 ai-agent 類 Skill（v1.0.5，@user_5d00e27d/majia-prompt-translator-python），通過馬甲系統將腦海中的畫面翻譯成 AI 可用的專業表達。支持首次多輪澄清、緩存加速後續對話，以及成功案例入庫的 RAG 進化。標籤 requires_api_key=true，需按 skillhub.md 用 skillhub install 安裝到 Cursor 等 Agent 的 skills 目錄；對話中可輸入「新手指南」查看完整說明。
閱讀全文memory-systems：Agent 持久記憶與檢索架構設計指南
memory-systems 是 Agent Skills for Context Engineering 集合中的 Memory System Design 指南，面向跨會話語義記憶、實體一致性、時序有效性、圖/向量與混合檢索及記憶整合。文章說明其定位、啓用邊界、記憶層級與框架選型表、整合與 JIT 加載原則，並給出 Mem0、時序圖與 Cognee 官方示例及 Claude Code、npx skills 等加載方式，強調從淺層起步、用 LoCoMo/LongMemEval 驗證後再加深架構。
閱讀全文DeepSeek Harness 插件：searchsieve —— 搜索結果覆蓋度評估工具
DeepSeek Harness 插件 `searchsieve` 旨在解決 RAG 場景中搜索結果質量難以量化的問題。該插件提供留用佔比、回答完整度等核心指標，對搜索結果進行語義分析與評估。它採用純規則算法，無需 API Key 即可零模型開銷運行，並適配中文環境。 安裝命令爲 `dsh plugin add search-sieve`，安裝後重啓即可使用。插件通過 `expectedPoints` 參數覈對信息點，返回選中佔比、未覆蓋信息及補搜建議。該工具在 Windows 下使用 `dsh.cmd` 或 `npm.cmd` 即可。
閱讀全文DeepSeek Harness 本地桌面知識庫插件
`dsh-move-rag` 是 DeepSeek Harness 的 Windows 桌面插件，無需模型權重或雲端服務，支持本地知識庫管理。它通過置頂的 WinForms 面板，允許用戶拖拽 PDF、Word、圖片等文件快速入庫。插件利用哈希嵌入技術實現離線、快速的本地 RAG 檢索，並將結果作爲工具暴露給 Agent。該方案適合 Windows 用戶快速構建本地知識庫，但圖片僅支持文件名索引，且依賴桌面面板實現。
閱讀全文dsh-plugin-rag: DeepSeek Harness 語義記憶插件
`dsh-plugin-rag` 是一個 DeepSeek Harness 插件，通過 RAG 技術將聊天會話轉化爲可搜索的本地持久化記憶。該插件具備自動索引、增量更新和非破壞性等特點，支持通過 `rag_search` 工具檢索歷史信息。安裝需修改 `package.json` 和 `cordis.patch.yml`，重啓後即可使用。索引默認存儲在本地 JSON 文件中，重啓是冪等的。
閱讀全文dsh-plugin-rag：DeepSeek Harness 本地知識庫檢索插件
DSH Harness 體系提供 `dsh-plugin-rag` 插件，旨在解決智能體本地代碼庫檢索需求，避免外部 API 的延遲、成本與隱私風險。該插件支持索引 Markdown、代碼及配置文件，利用純本地 TF-IDF 算法進行關鍵詞匹配，無需額外依賴。安裝啓用後，可通過 `rag` 命令直接在本地搜索文件或查看索引統計，適用於需要基於本地數據做決策的智能體場景。
閱讀全文satan9394/dsh-rag: DeepSeek Harness 下的 RAG 檢索增強生成技能
`dsh-rag` 是 DeepSeek Harness (DSH) 的一個 RAG 技能插件，旨在通過檢索增強生成提升智能體的信息準確性與回答質量。該插件提供向量庫與嵌入、文檔管線、檢索策略及幻覺治理等核心能力。由於安裝命令缺失且未提供示例，用戶需自行通過 GitHub 倉庫確認功能細節。
閱讀全文dsh-kb-rag: 本地優先的 RAG 知識庫工具集
DSH 插件 `yumu247/dsh-kb-rag` 爲 DSH 提供了一套本地優先的 RAG 知識庫工具，旨在零成本、本地化部署。該插件封裝了四個核心命令：用於語義檢索的 `kb_query`、支持增量入庫的 `kb_ingest`、利用 Scrapling 抓取網頁的 `kb_crawl`，以及基於圖譜的關聯推薦 `kb_related`。 安裝前需確保宿主機配置好 Python 環境、Ollama 模型（如 `bge-m3`）及 `kb-rag` 管線。安裝時需指定 `kbRagDir` 路徑，插件依賴此路徑運行。使用時，`kb_query` 返回 JSON 格式結果，`kb_inge
閱讀全文dsh-skill-indexer：本地 SKILL.md 的兩級意圖檢索插件
dsh-skill-indexer 是 DSH 的一個 Host Bundle 插件，旨在解決 Agent 難以精準定位本地 SKILL.md 的問題。它通過建立兩級索引機制，利用關鍵詞覆蓋和 IDF 對意圖進行路由，支持三態回退（hit/low/miss）。該工具純本地運行、零依賴，提供命令行和代碼調用兩種方式，並支持哈希增量更新。
閱讀全文dsh-understand-anything：生成代碼庫知識圖譜的 DeepSeek Harness 插件
`dsh-understand-anything` 是 DeepSeek Harness 的代碼庫分析插件，通過生成結構化知識圖譜，解決了傳統 RAG 消耗大量 Token 且易丟失架構細節的問題。該插件支持架構理解、改動影響分析、新手上手指南及多領域提取，無需將原始文件塞入上下文。安裝需 Node.js ≥ 22 和 pnpm ≥ 10。需注意，由於插件兼容性限制，Web 應用、Claude Code 專屬功能及分析引擎未做翻譯。
閱讀全文dsh-doc-compiled-skills：把文檔預編譯成智能體可執行的技能
文章介紹 DSH 社區 skill「satan9394/dsh-doc-compiled-skills」，其核心思路是把長文檔在構建期預編譯成可執行技能，而非運行時用 RAG 現場檢索，從而讓智能體行爲更確定、上下文開銷更小。
閱讀全文oh-my-knowledge：爲 prompt、RAG 與智能體提供可驗證的知識變更評估
OMK（oh-my-knowledge）是 lizhiyao 維護的 MIT 許可 CLI 與 DSH 插件，面向 prompt、RAG、skill、agent 與工作流的知識維護者。通過 doctor、eval、observe 閉環，在相同模型與樣本下對比知識產物版本，輸出可複查的發佈結論、失敗樣本與成本，並支持在 Studio 查看 DSH 任務軌跡。DSH 用戶可用 dsh plugin --profile web add oh-my-knowledge 裝入 web profile，在會話內執行 /omk eval 與 /omk observe。
閱讀全文