lazygophers/plugins/tools/deepresearch/skills/agentic-retriever
plugins/tools/deepresearch/skills/agentic-retriever/SKILL.md
Agentic RAG智能检索器 - 基于动态检索策略和GraphRAG知识图谱的多源并行信息采集，支持Web搜索、文档解析、代码库检索，精度达99%
$ install --global
skillsauthnpx skillsauth add lazygophers/ccplugin plugins/tools/deepresearch/skills/agentic-retrieverInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
Security Scan Results
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
3
Scanners Passed
9
Scanners in report
Clean
TrivyContainer and dependency vulnerability scanner
95%
Clean
SemgrepStatic code analysis for vulnerabilities
95%
Clean
mcp-scan (Snyk)Model Context Protocol security validation
95%
Skipped
Snyk (dep)Open source security scanning
50%
Skipped
Socket.devSupply chain security analysis
50%
Skipped
VirusTotalMulti-engine malware detection
50%
Skipped
CrowdStrikeAdvanced threat intelligence
50%
Skipped
OSV-ScannerOpen Source Vulnerability database check
50%
Skipped
OWASP Dep-Check
50%
Last scanned: Apr 24, 2026, 7:15 PM88.8s1 file scanned
SKILL.md
- description:
- Agentic RAG智能检索器 - 基于动态检索策略和GraphRAG知识图谱的多源并行信息采集，支持Web搜索、文档解析、代码库检索，精度达99%
- user-invocable:
- false
- context:
- fork
- model:
- sonnet
- memory:
- project
Agentic RAG 智能检索器
核心职责
基于Agentic RAG和GraphRAG技术，从多源并行检索高质量信息。
激活时机
研究任务的信息采集阶段，由 dgot-engine 驱动调用。
关键特性
1. Agentic RAG - 动态检索策略
嵌入自主AI代理，根据查询复杂度和结果质量动态调整策略：
- 深度优先：单一主题深入挖掘
- 广度优先：多角度快速覆盖
- 平衡搜索：深度+广度结合（推荐）
2. GraphRAG 接口
知识图谱+向量搜索，语义理解精度高达99%：
- 向量搜索：基于embedding的相似度匹配
- 知识图谱：结构化关系推理
- 混合检索：向量+图谱结合
3. 多源并行检索
8+信息源同时检索，按质量和相关性排序：
学术源：PubMed、IEEE、ACM、arXiv、Google Scholar 技术源：GitHub、Stack Overflow、技术博客 商业源：Gartner、IDC、McKinsey 新闻源：技术媒体、行业报告 政府源：标准文档、法规政策
智能过滤
四维评分机制（0-10分）：
总分 = 相关性×0.35 + 质量×0.30 + 时效性×0.20 + 重要性×0.15
相关性：与查询主题的匹配度 质量：来源权威性和内容深度 时效性：信息发布时间和更新频率 重要性：引用次数和影响力
执行流程
1. 查询分析：理解用户意图和信息需求
2. 策略选择：根据任务选择检索策略
3. 多源检索：并行查询8+信息源
4. 智能过滤：四维评分，过滤低分(<6.0)结果
5. 去重合并：识别重复内容，合并相似信息
6. 结果排序：按总分排序，返回Top-N
反思机制
检索结果不足时自动调整：
- 结果<5条：放宽相关性阈值（0.7→0.6）
- 质量<7.0分：扩展检索源，增加查询变体
- 时效性差：优先最近1年的内容
详细文档
- retrieval-strategies.md - 检索策略详解
- graphrag-integration.md - GraphRAG集成方法
- sources.md - 信息源配置和优先级
使用示例
# 平衡搜索（推荐）
results = retrieve(
query="微服务架构最佳实践",
strategy="balanced",
min_score=7.0,
max_results=20
)
Related Skills
lazygophers/plugins/tools/trellisx/skills/trellisx-workspace
tools
VerifiedTrustedCommunity
--- name: trellisx-workspace description: 维护 `.trellis/task.md` 任务看板 —— trellis 缺的跨任务总览。**一个表格, 一行一个任务**, 列为 id/名称/描述/状态/阶段/进度/worktree (状态/阶段中文显示)。在 task create/start/阶段切换/archive 后**及时更新**对应行; 并**自动清理超 7 天的已完成行**防膨胀。保持看板与 task.json 实时一致。 when_to_use: 维护 / 创建 / 更新 `.trellis/task.md` 任务看板时; task 生命周期任一节点 (create/start/阶段推进/archive) 之后同步看板时; 用户问"当前有哪些任务 / 任务进度 / 任务看板"时。被 trellisx-flow 与 trellisx-apply 注入的流程引用。 user-invocable: true argument-hint: [show|update|sync|cleanup ...] [task id] arguments:
4SKILL.mdUpdated Jun 13, 2026
lazygophers/trellisx-flow
testing
VerifiedTrustedCommunity
强制以 Trellis task 闭环处理用户指定的请求 (自判新建/并入 → plan→exec→check→finish 全程不跳步)。**仅用户显式主动调用** (/trellisx-flow 或明确要求"强制走 task 处理这个"); **禁止自动 / 被动 / 推断式调用** —— 不要因为某个请求"看起来该建 task"就自动触发本 skill, 那是 apply 注入的 no_task 倾向的职责。
4SKILL.mdUpdated Jun 13, 2026
lazygophers/trellisx-apply
testing
VerifiedTrustedCommunity
把 强推task + subtask拆分 + worktree隔离 + 闭环收尾 四维度增量注入当前项目 .trellis/ (workflow.md 的 no_task/planning/in_progress 块 + spec 背书文档 + trellis 生命周期 hook worktree 自动化)。强推 task 与闭环为纯 prompt 软约束 (非平台 hook 硬拦截)。**纯增量追加, 绝不替换 trellis 原生文本** (no_task 分类+征同意/check/finish/前缀全保留)。幂等 (marker 包裹)。
4SKILL.mdUpdated Jun 11, 2026
lazygophers/cortex-history-digest
development
VerifiedTrustedCommunity
Claude Code 会话历史整理 — 扫 ~/.claude/projects/**/*.jsonl 全部 session transcripts, 提取学习增量 (用户校正/决策/踩坑/L0 规则) → 全局记忆库 ~/.cortex/.wiki/memory/. 默认 --apply 落盘 (--dry-run opt-in 仅出 JSON plan 预览). 与 cortex-extract (L4-inbox 内部) 互补.
4SKILL.mdUpdated Jun 11, 2026