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/design-uiux
tools
VerifiedTrustedCommunity
UI/UX 与布局设计——做界面布局/结构/导航/组件/交互的设计决策。触发：做UI/UX/布局/排版/导航/组件/交互/栅格/响应式/图表选型/字体配对。按媒介路由 HTML/Web、原生 App(iOS/Android/桌面)、CLI、TUI。需后端动态系统不适用；配色/主题/色板走姊妹 skill design-color。
4SKILL.mdUpdated Jul 22, 2026
lazygophers/design-color
tools
VerifiedTrustedCommunity
主题与配色设计——做颜色搭配/调色板/主题/品牌色阶/暗模式的设计决策。触发：选配色/调色/主题/色板/品牌色/暗模式/对比度/色盲/UI风格。按媒介路由 HTML/Web(CSS变量)、原生App(平台token)、CLI(ANSI)、TUI(真彩/256/16降级)。保证可访问性（对比度/色盲安全）。需后端动态系统不适用；UI/UX 布局/组件/交互走姊妹 skill design-uiux。
4SKILL.mdUpdated Jul 22, 2026
lazygophers/optimize-any
tools
VerifiedTrustedCommunity
跨任意组件（plugin/skill/agent/command）的验证驱动优化循环纪律 skill。当用户要优化某个已有组件却无明确方向、或要防止改了反而更差（自评乐观偏差 / 多维同改归因失效 / 为凑分加废话膨胀）、或要把一套通用「评分→单变量改→改后验证严格更好才留否则回滚→触顶停」的纪律套到任意组件上时使用。管优化过程本身的纪律（validation gate / ratchet / 独立验证 / 触顶停），不评单组件深度（交 skill-dev），不查插件接线（交 plugin-dev）。仅手动 /optimize-any 触发。
4SKILL.mdUpdated Jul 18, 2026
lazygophers/skein-spec
data-ai
VerifiedTrustedCommunity
两层规则记忆 (基于 .skein/spec)。planning 时 recall 召回相关规则、task finish 后 sediment 沉淀学习 + prune 自动精简过期/重复/断链规则。core 常驻硬规 + recall 按需召回, 经判定门自动写盘 (不逐次问用户)。产出 .skein/spec 下 core/recall 规则文件 + index。另支持空仓 bootstrap 播种规则基线、记忆大面积失效 (大重构/换栈) 时 reconstruct 可逆归档后按项目类型分型重建、maintain 手动体检 (超预算/stale/断链/重复/废弃, --apply 自动修复)、auto-fix (Stop hook 写 .pending-fix 标记 → main 派 skein-specer bg 跑 maintain --apply 全自动修, 断链只报告)。
4SKILL.mdUpdated Jul 18, 2026