（14063期）local-rag-search – 隐私优先的语义网络搜索专家

隐私优先的语义网络搜索专家 基于本地 RAG 技术的智能搜索技能，整合多引擎实现隐私优先的语义化网络研究与信息检索。 使用说明 该技能提供了一套完整的本地 RAG（检索增强生成）网络搜索解决方案，通过教学指导方式帮助用户高效使用 mcp-local-rag MCP 服务器。核心用法涵盖三类搜索场景：针对隐私需求的 DuckDuckGo 快速搜索、面向技术领域的 Google 深度检索，以及整合多引擎的 comprehensive research 模式。用户可通过自然语言查询配合语义相似度排名参数（top_k）精准获取最相关信息，无需调用外部 API 即可实现智能化的网络信息聚合。 显著优点体现在四个维度：首先是隐私保护机制，默认采用 DuckDuckGo 引擎避免用户行为追踪；其次是语义智能排序，基于 RAG 技术对搜索结果进行相关性评分，而非依赖传统搜索引擎的排序逻辑；第三是多引擎协同能力，支持 DuckDuckGo、Google、Bing、Brave 等 9 种后端灵活组合；最后是零 API 成本，完全基于本地计算资源完成语义处理，适合高频搜索场景。 潜在局限性需引起重视：技能本身仅为指导文档，实际网络请求和数据处理依赖外部 mcp-local-rag MCP 服务器，其安全性和稳定性需单独评估；首次使用存在模型加载延迟；多引擎深度搜索会显著增加响应时间；搜索质量受限于公开网络内容的准确性和时效性。 适合目标群体包括：需要频繁进行网络调研的学术研究人员、注重隐私保护的敏感信息查询者、希望降低 API 成本的技术开发者，以及需要多角度信息验证的内容创作者。特别适合处理需要跨源验证的复杂研究课题。 使用风险主要涉及性能与依赖：首次搜索可能因模型加载较慢；深度研究模式下多后端并行查询会消耗更多计算资源；结果准确性依赖底层搜索引擎的实时性和 MCP 服务器的嵌入模型质量；隐私保护程度取决于所选搜索引擎策略，Google 后端仍存在数据追踪风险。 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.