用途：面向需要联网检索的智能体，调用 mcp-local-rag MCP 服务器执行带语义排序的搜索，用 RAG 式相似度评分优先返回最相关内容，无需外部 API。
主要能力：提供 rag_search_ddgs（DuckDuckGo，隐私优先，适合通用查询与默认选择）和 rag_search_google（Google，适合技术、科学或需要全面覆盖的查询）；deep_research 跨多个搜索引擎做深度研究，支持 duckduckgo、google、bing、brave、wikipedia、yahoo、yandex、mojeek、grokipedia 等后端，默认 ["duckduckgo", "google"]；另有 deep_research_google 与 deep_research_ddgs 两个单引擎快捷方式。
使用方式：常用参数包括 query（自然语言查询）、num_results（默认 10，抓取数量）、top_k（默认 5，返回数量）、include_urls（默认 true，附带来源链接）；深度研究使用 search_terms、backends、top_k_per_term、num_results_per_term。查询建议用自然语言提问或描述，避免单词关键词，并尽量具体。参数参考：快速回答 num_results=5-10、top_k=3-5；全面检索 num_results=15-20、top_k=7-10；深度研究每次 num_results_per_term=10-15、top_k_per_term=3-5，使用 2-5 个相关搜索词与 1-3 个后端。
适用场景：时事查询、技术深挖（如 PostgreSQL 查询优化）、需要多视角或多来源的综合调研、事实与百科类内容检索。
最佳实践与限制：引用来源、核对内容时效、重要事实交叉验证；默认推荐 DuckDuckGo 以保护隐私，Google 覆盖面更广但会跟踪搜索；后端越多越全面但越慢；首次搜索可能因模型加载较慢，后续因模型缓存更快。若结果不足，可改写查询、切换后端、提高 num_results 或改用 deep_research 多词检索。使用本技能需已配置并可访问 mcp-local-rag MCP 服务器。文中未提供该技能的安装命令、收费方式、价格及具体平台要求，暂未提供。