（10599期）Local Rag Search – 零 API 成本的智能语义搜索

零 API 成本的智能语义搜索 基于 RAG 语义相似度排名的本地网页搜索技能，无需外部 API 即可通过 DuckDuckGo、Google 等多引擎获取智能搜索结果 使用说明 核心用法 Local RAG Search 是一套无需外部 API 即可实现智能网页搜索的 MCP 技能，通过本地 RAG（检索增强生成）语义相似度排名机制，从 DuckDuckGo、Google、Bing、Brave、Wikipedia 等多个搜索引擎获取并智能排序结果。 该技能提供 5 个核心工具：ragsearchddgs（隐私优先的 DuckDuckGo 搜索）、ragsearchgoogle（技术/深度搜索）、deepresearch（多引擎综合研究）、以及两个单引擎快捷版本。支持自然语言查询、参数调优（numresults/top_k）、多后端组合，适用于快速问答、技术调研、多视角研究等场景。 显著优点 零 API 成本：完全本地化运行，无需申请或付费任何搜索引擎 API 隐私可控：DuckDuckGo/Brave 等引擎不追踪用户，Google 提供最全覆盖 语义智能排序：基于 RAG 的相似度评分，优先返回与查询语义最相关的结果 多引擎聚合：deep_research 支持最多 9 种后端组合，避免单一引擎偏见 灵活参数：可精细控制召回量（numresults）和最终输出量（topk） 潜在局限 首次搜索需加载模型，存在冷启动延迟 多后端并发会显著降低响应速度 依赖搜索引擎本身的质量，无法访问付费墙内容 本地 RAG 评分可能与商业语义模型存在差异 适合人群 需要高频网页检索但不愿承担 API 费用的开发者 对搜索隐私敏感的研究人员和个人用户 需要多源信息交叉验证的内容创作者 构建本地知识工作流的技术团队 常规风险 搜索结果时效性取决于引擎索引，可能非实时 需自行验证关键事实，避免单一信源依赖 Google 后端存在搜索行为追踪风险 模型缓存可能占用本地计算资源 原始说明 Efficiently perform web searches using the mcp-local-rag server with semantic similarity ranking. Use this skill when you need to search the web for current information, research topics across multiple sources, or gather context from the internet without using external APIs. This skill teaches effective use of RAG-based web search with DuckDuckGo, Google, and multi-engine deep research capabilities.