multi-data-process-rag

检索多模态数据处理平台已完成工作流的最新处理结果。适用于网页爬取、文档解析、OCR、Markdown/JSON 转换等已写入数据集的结果问答,并返回可回溯的数据集版本与来源引用。

SKILL.md

GitHub

多模态数据处理结果检索

当用户询问“多模态数据处理平台”“工作流处理结果”“网页爬取结果”“文档解析结果”“处理后数据集”或某个已处理网页/PDF/图片的内容时,使用此 Skill。它检索的是已由多模态数据处理平台成功写入并同步到 DeerFlow 的结果,不联网,也不解析尚未入库的新文件。

必须使用的检索方式

只可调用受控的只读脚本,禁止直接访问 Elasticsearch、传入索引名、执行 ES DSL、创建/删除索引或修改数据:

python3 /mnt/skills/custom/multi-data-process-rag/scripts/search_multi_data_process.py \
  --query "<用户问题中的核心关键词>" --top-k 5 --pretty

可选约束:

  • 用户指定数据集时,加入 --dataset-id <id>。
  • 用户指定历史版本时,加入 --dataset-version-id <version_id> --include-historical。
  • 用户未明确要求历史版本时,不要加入 --include-historical;默认只检索当前成功版本。
  • 用户仅授权某个工作区时,加入 --workspace-id <workspace_id>。

脚本通过 DeerFlow Gateway 调用固定的 multi-data-process-rag 检索接口;不会在脚本、提示词或命令行中暴露 ES 凭据或同步 Token。

回答规则

  1. 先检索,再回答;不要根据常识补写数据集未返回的内容。
  2. 每个基于检索结果的主要结论都要带回溯引用,优先直接使用结果中的 citation 字段。引用至少应包含数据集 ID、版本 ID、标题;有 source_url 时同时给出链接。
  3. 结果为空时,明确说明“当前已同步的成功版本中未检索到相关内容”,并建议用户确认关键词、数据集/版本或是否完成同步;不得编造内容。
  4. 结果中的 content 是证据片段,不要声称它是完整原文;长文可概括,但需说明依据的是返回片段。
  5. 若用户请求上传、爬取、解析或重跑工作流,转交相应的数据处理功能;本 Skill 只负责已处理结果的检索与问答。

版本语义

默认结果只能来自已完成且被标记为当前的版本。工作流的新版本同步成功后会替换同一数据集的当前检索范围;显式查询历史版本才会读取该版本的保留 chunks。失败或仍在写入的版本不能作为聊天证据。