O que local-rag-server faz?
Implante um sistema RAG local e multiusuário para consultar documentos PDF e DOCX usando um LLM local, sem dependências de nuvem ou API.
Implante um sistema RAG local e multiusuário para consultar documentos PDF e DOCX usando um LLM local, sem dependências de nuvem ou API.
Este skill permite implantar um sistema completo de Geração Aumentada por Recuperação (RAG) local e multiusuário, capaz de consultar documentos PDF e DOCX utilizando um modelo de linguagem grande (LLM) executado localmente. Ele elimina a dependência de serviços em nuvem ou APIs externas, garantindo privacidade e controle total dos dados. Adequado para ambientes que exigem processamento de documentos com segurança e sem conexão com a internet, o sistema suporta múltiplos usuários simultaneamente e integra-se diretamente a ferramentas como Claude Code, Cursor e Codex. O RAG funciona extraindo texto de documentos carregados, indexando-o em um banco de dados vetorial local e recuperando trechos relevantes para responder perguntas com base no LLM local, proporcionando respostas precisas e contextuais sem sair do ambiente de desenvolvimento.
npx skills add umiii100/local-rag-serverInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Implante um sistema RAG local e multiusuário para consultar documentos PDF e DOCX usando um LLM local, sem dependências de nuvem ou API.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.