（9516期）ragtop-planner – 达人推广智能方案引擎

达人推广智能方案引擎 通过 RAGTOP 知识库接口，四阶段完成达人推广方案制定：规则提炼、案例总结、达人筛选与方案生成，支持外部 OpenClaw 服务即插即用。 使用说明 核心用法 ragtop-planner 是一个面向达人推广场景的外部编排 Skill，基于 RAGTOP 三个核心工具接口（listkb、listdoc、retrieval）执行四阶段工作流： 规则提炼（RULES_SUMMARY）：从「方案」知识库召回执行规则，生成可落地的执行清单； 案例总结（CASE_SUMMARY）：从「案例」知识库提取成功模式，为方案提供实证支撑； 达人筛选（KOL_SELECTOR）：从「价格」知识库召回候选达人，生成 HTML 筛选表； 方案生成（PLAN_GENERATION）：融合规则、案例、达人表及用户需求，输出最终推广方案。 Skill 通过环境变量 RAGTOPAPITOKEN 完成鉴权，支持可选配置 RAGTOPAPIURL。执行时需先调用 listkb 匹配三大知识库，优先使用多路 queries 召回，支持按 docids 限定文档范围。最终输出需完成预算合规检查，且所有关键结论可追溯至召回来源。 显著优点 零后端改造：外部 OpenClaw 服务可直接调用，无需改动原有系统架构； 流程标准化：四阶段工作流清晰分离规则、案例、达人、方案四大模块，便于复用与审计； 召回灵活：支持单/多路查询、文档范围限定、阈值与 Top-K 动态调整； 可追溯性：强制要求关键结论标注来源文档，提升方案可信度； 预算管控：内置总价合规检查，避免超支风险。 潜在缺点与局限性 强依赖外部服务：RAGTOP 服务可用性直接影响 Skill 执行，网络中断或 API 变更会导致失效； 知识库命名刚性：必须严格匹配「方案」「案例」「价格」三个名称，灵活性不足； 召回质量波动：scorethreshold 与 topk 需手动调优，阈值过高易漏召，过低引入噪声； 无内置 LLM 兜底：若 RAGTOP 召回为空，仅能提示用户重试，无生成式补全能力； 环境变量单点：RAGTOPAPITOKEN 泄露风险较高，且不支持动态轮换机制。 适合人群 营销运营团队：需快速制定达人推广方案，依赖历史规则与案例沉淀； 外部平台开发者：希望通过 OpenClaw 协议集成达人营销能力，避免自建 RAG 系统； 中台产品团队：需将达人筛选与方案生成能力封装为标准化服务。 常规风险 数据泄露风险：达人价格、历史方案等敏感信息通过 API 传输，需确保 RAGTOP 服务端 TLS 加密与 Token 最小权限原则； 召回偏差风险：知识库更新滞后或标注质量差，导致规则/案例过时或误导； 预算超支风险：虽有关卡，但「低优先级达人剔除」逻辑依赖人工判断，自动化程度有限； 服务单点故障：RAGTOP 服务宕机或 Token 过期将直接导致 Skill 不可用，建议配置熔断与降级策略。 原始说明 面向外部 OpenClaw 的达人推广方案制定 Skill。基于 RAGTOP 三个工具接口（list_kb/list_doc/retrieval）执行四阶段工作流：规则提炼、案例总结、达人筛选、方案生成。