timesfm
TimesFM เป็นโมเดลพื้นฐานสำหรับข้อมูลอนุกรมเวลาที่ผ่านการฝึกมาแล้ว พัฒนาโดย Google Research ใช้สำหรับพยากรณ์ข้อมูลอนุกรมเวลา
ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ
Semantic code & doc search with keyword boost. AST code nav, auto HF mirror, local, privacy-first.Skill ที่สอน AI ทำงานแบบนี้ ใช้ร่วมกับตัวนี้ได้
TimesFM เป็นโมเดลพื้นฐานสำหรับข้อมูลอนุกรมเวลาที่ผ่านการฝึกมาแล้ว พัฒนาโดย Google Research ใช้สำหรับพยากรณ์ข้อมูลอนุกรมเวลา
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
google-maps-scraper ใช้ดึงข้อมูลสถานที่จาก Google Maps เช่น ชื่อ ที่อยู่ เบอร์โทร เว็บไซต์ คะแนนรีวิว จำนวนรีวิว พิกัดละติจูดลองจิจูด และอีเมล สำหรับแต่ละสถานที่
หน้ารายการเรียงด้วยคะแนนการใช้งาน (เต็ม 100) จากส่วนเหล่านี้
| ความนิยม | 14/80 | ดาว GitHub หรือยอดดาวน์โหลดต่อสัปดาห์ ค่ามากนับ 60 ค่าน้อยนับ 20 |
|---|---|---|
| ความสด | 3/12 | ออกรุ่นหรือแก้โค้ดใน 30 วัน ได้เต็ม |
| ระบบยังตอบ | 0/8 | endpoint บนคลาวด์ตอบตอนตรวจล่าสุด |
| คะแนนการใช้งาน | 17/100 |
คุณภาพ: ผลตรวจเบื้องต้นผ่าน 3/3 ข้อ (แสดงให้ดู ไม่ได้ใช้เรียง) · ความมาแรง: ยังไม่มีข้อมูล (ใช้เรียงเฉพาะแท็บมาแรง)
เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง
ให้ AI ติดตั้งให้ด้วยประโยคเดียว
ติดตั้ง MCP Local Rag ให้หน่อย ทำตาม https://mcp.popnx.com/i/damoqiongqiu-mcp-local-rag.md แสดงคำสั่งให้ฉันดูและรอฉันตกลงก่อนรันคัดลอกไปวางในแชตของ AI ที่ทำงานในเครื่องคุณได้ (เช่น Claude Code, Cursor) · AI จะอ่านขั้นตอนจากเรา แสดงคำสั่งให้ดู และรอคุณตกลงก่อน · ไม่ต้องใช้คีย์ ไม่ต้องสมัคร · ดูข้อความเต็มที่ AI จะอ่าน
ผลตรวจผ่าน 3/3 · ทำงานบนเครื่องคุณ · ✓ ตรวจคำสั่งแล้ว 14 พ.ย. 2569
ขั้นแรก: คุณใช้ AI ตัวไหน
เลือกแอปที่คุณใช้ ขั้นตอนจะขึ้นด้านล่าง
ต่อกับ Claude ได้ แต่ต้องเตรียมก่อน
ต้องกรอกค่าตั้ง 1 ช่อง (HTTPS_PROXY) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว) · ใช้ได้เฉพาะแอป Claude บนคอม (Windows หรือ Mac) ไม่ใช่บนเว็บหรือมือถือ
คัดลอกข้อความนี้ไปวางในแชตของ Claude AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ MCP Local Rag ให้ Claude ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "local-rag": { "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง HTTPS_PROXY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ MCP Local Rag ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
node -vMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js
ค่าเหล่านี้เป็นค่าตั้งของโปรแกรม ไม่ใช่คีย์ ไม่ต้องสมัครอะไร ใส่ตามที่ผู้ทำอธิบาย
HTTPS_PROXY URL ของพรอกซี HTTPS สำหรับดาวน์โหลดโมเดล embedding (เช่น http://proxy:8080) จำเป็นเฉพาะเมื่ออยู่หลังพรอกซีขององค์กรเท่านั้น คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
SettingsDeveloperEdit Config
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "ใส่ค่าของคุณ"
}
}
}
}ใช้ MCP Local Rag บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Claude บอกว่ากำลังใช้ MCP Local Rag หรือมีชื่อเครื่องมือของ MCP Local Rag ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
BASE_DIR ไดเรกทอรีฐานสำหรับจัดเก็บเอกสาร (ค่าเริ่มต้นคือไดเรกทอรีทำงานปัจจุบัน) จะถูกละเว้นเมื่อมีการตั้งค่า BASE_DIRS BASE_DIRS อาร์เรย์ JSON ของไดเรกทอรีฐาน (เช่น '"/a","/b"') มีลำดับความสำคัญเหนือ BASE_DIR DB_PATH เส้นทางไปยังไดเรกทอรีฐานข้อมูล LanceDB (ค่าเริ่มต้นคือ ./lancedb/) CACHE_DIR ไดเรกทอรีที่แคชโมเดลของ Transformers.js (ค่าเริ่มต้นคือ ./models/) MODEL_NAME ชื่อโมเดลการฝัง (ค่าเริ่มต้นคือ Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE ขนาดไฟล์สูงสุดเป็นไบต์ (ค่าเริ่มต้นคือ 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH ความยาวขั้นต่ำของชังก์เป็นจำนวนอักขระ (1-10000 ค่าเริ่มต้นคือ 50) ชังก์ที่สั้นกว่าค่าขีดจำกัดนี้จะถูกกรองออกระหว่างการนำเข้าข้อมูล RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH เปิดใช้ตัวเฝ้าดูไฟล์อัตโนมัติเพื่อตรวจจับการเปลี่ยนแปลงและจัดทำดัชนีไฟล์ที่แก้ไขใหม่ (true/1 เพื่อเปิดใช้) มีประโยชน์ระหว่างการพัฒนาอย่างต่อเนื่อง HF_ENDPOINT URL ของ endpoint HuggingFace ที่ใช้ดาวน์โหลดโมเดลแบบระบุชัดเจน เมื่อกำหนดค่านี้ ระบบจะข้ามการตรวจจับมิเรอร์อัตโนมัติและใช้ URL นี้โดยตรง มีประโยชน์เมื่อคุณมีมิเรอร์ที่ครบถ้วน HF_AUTO_MIRROR เปิดใช้การตรวจจับมิเรอร์อัตโนมัติสำหรับการดาวน์โหลดจาก HuggingFace (ค่าเริ่มต้นเป็น true) ตั้งเป็น "false" หรือ "0" เพื่อปิดและใช้ huggingface.co โดยตรง ลำดับมิเรอร์คือ huggingface.co → hf-mirror.com →… HTTP_PROXY URL ของพร็อกซี HTTP สำหรับดาวน์โหลดโมเดล embedding ใช้เป็นค่าสำรองเมื่อไม่ได้ตั้งค่า HTTPS_PROXY คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ChatGPT ยังต่อ MCP Local Rag ไม่ได้
MCP Local Rag ต้องติดตั้งในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะตัวที่ทำงานบนเว็บ
ก · ใช้แอปที่ต่อ MCP Local Rag ได้
ต่อกับ Claude Code ได้ แต่ต้องเตรียมก่อน
ต้องกรอกค่าตั้ง 1 ช่อง (HTTPS_PROXY) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ Claude Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ MCP Local Rag ให้ Claude Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): claude mcp add --scope user local-rag --env HTTPS_PROXY='ใส่ค่าของคุณ' -- npx -y @damoqiongqiu/mcp-local-rag 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง HTTPS_PROXY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ MCP Local Rag ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
node -vMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js
ค่าเหล่านี้เป็นค่าตั้งของโปรแกรม ไม่ใช่คีย์ ไม่ต้องสมัครอะไร ใส่ตามที่ผู้ทำอธิบาย
HTTPS_PROXY URL ของพรอกซี HTTPS สำหรับดาวน์โหลดโมเดล embedding (เช่น http://proxy:8080) จำเป็นเฉพาะเมื่ออยู่หลังพรอกซีขององค์กรเท่านั้น คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
Mac: กด Command+Space พิมพ์ Terminal · Windows: เปิด PowerShell
claude mcp add --scope user local-rag --env HTTPS_PROXY='ใส่ค่าของคุณ' -- npx -y @damoqiongqiu/mcp-local-ragต้องเห็น MCP Local Rag ในรายการและขึ้นว่าเชื่อมต่อแล้ว
ใช้ MCP Local Rag บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Claude Code บอกว่ากำลังใช้ MCP Local Rag หรือมีชื่อเครื่องมือของ MCP Local Rag ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
BASE_DIR ไดเรกทอรีฐานสำหรับจัดเก็บเอกสาร (ค่าเริ่มต้นคือไดเรกทอรีทำงานปัจจุบัน) จะถูกละเว้นเมื่อมีการตั้งค่า BASE_DIRS BASE_DIRS อาร์เรย์ JSON ของไดเรกทอรีฐาน (เช่น '"/a","/b"') มีลำดับความสำคัญเหนือ BASE_DIR DB_PATH เส้นทางไปยังไดเรกทอรีฐานข้อมูล LanceDB (ค่าเริ่มต้นคือ ./lancedb/) CACHE_DIR ไดเรกทอรีที่แคชโมเดลของ Transformers.js (ค่าเริ่มต้นคือ ./models/) MODEL_NAME ชื่อโมเดลการฝัง (ค่าเริ่มต้นคือ Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE ขนาดไฟล์สูงสุดเป็นไบต์ (ค่าเริ่มต้นคือ 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH ความยาวขั้นต่ำของชังก์เป็นจำนวนอักขระ (1-10000 ค่าเริ่มต้นคือ 50) ชังก์ที่สั้นกว่าค่าขีดจำกัดนี้จะถูกกรองออกระหว่างการนำเข้าข้อมูล RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH เปิดใช้ตัวเฝ้าดูไฟล์อัตโนมัติเพื่อตรวจจับการเปลี่ยนแปลงและจัดทำดัชนีไฟล์ที่แก้ไขใหม่ (true/1 เพื่อเปิดใช้) มีประโยชน์ระหว่างการพัฒนาอย่างต่อเนื่อง HF_ENDPOINT URL ของ endpoint HuggingFace ที่ใช้ดาวน์โหลดโมเดลแบบระบุชัดเจน เมื่อกำหนดค่านี้ ระบบจะข้ามการตรวจจับมิเรอร์อัตโนมัติและใช้ URL นี้โดยตรง มีประโยชน์เมื่อคุณมีมิเรอร์ที่ครบถ้วน HF_AUTO_MIRROR เปิดใช้การตรวจจับมิเรอร์อัตโนมัติสำหรับการดาวน์โหลดจาก HuggingFace (ค่าเริ่มต้นเป็น true) ตั้งเป็น "false" หรือ "0" เพื่อปิดและใช้ huggingface.co โดยตรง ลำดับมิเรอร์คือ huggingface.co → hf-mirror.com →… HTTP_PROXY URL ของพร็อกซี HTTP สำหรับดาวน์โหลดโมเดล embedding ใช้เป็นค่าสำรองเมื่อไม่ได้ตั้งค่า HTTPS_PROXY คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ต่อกับ Cursor ได้ แต่ต้องเตรียมก่อน
ต้องกรอกค่าตั้ง 1 ช่อง (HTTPS_PROXY) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ Cursor AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ MCP Local Rag ให้ Cursor ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "local-rag": { "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง HTTPS_PROXY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ MCP Local Rag ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
node -vMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js
ค่าเหล่านี้เป็นค่าตั้งของโปรแกรม ไม่ใช่คีย์ ไม่ต้องสมัครอะไร ใส่ตามที่ผู้ทำอธิบาย
HTTPS_PROXY URL ของพรอกซี HTTPS สำหรับดาวน์โหลดโมเดล embedding (เช่น http://proxy:8080) จำเป็นเฉพาะเมื่ออยู่หลังพรอกซีขององค์กรเท่านั้น คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ในค่าตั้งของ MCP Local Rag ช่อง HTTPS_PROXY ยังว่าง ใส่คีย์ของคุณแล้วบันทึก
ใช้ MCP Local Rag บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Cursor บอกว่ากำลังใช้ MCP Local Rag หรือมีชื่อเครื่องมือของ MCP Local Rag ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
BASE_DIR ไดเรกทอรีฐานสำหรับจัดเก็บเอกสาร (ค่าเริ่มต้นคือไดเรกทอรีทำงานปัจจุบัน) จะถูกละเว้นเมื่อมีการตั้งค่า BASE_DIRS BASE_DIRS อาร์เรย์ JSON ของไดเรกทอรีฐาน (เช่น '"/a","/b"') มีลำดับความสำคัญเหนือ BASE_DIR DB_PATH เส้นทางไปยังไดเรกทอรีฐานข้อมูล LanceDB (ค่าเริ่มต้นคือ ./lancedb/) CACHE_DIR ไดเรกทอรีที่แคชโมเดลของ Transformers.js (ค่าเริ่มต้นคือ ./models/) MODEL_NAME ชื่อโมเดลการฝัง (ค่าเริ่มต้นคือ Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE ขนาดไฟล์สูงสุดเป็นไบต์ (ค่าเริ่มต้นคือ 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH ความยาวขั้นต่ำของชังก์เป็นจำนวนอักขระ (1-10000 ค่าเริ่มต้นคือ 50) ชังก์ที่สั้นกว่าค่าขีดจำกัดนี้จะถูกกรองออกระหว่างการนำเข้าข้อมูล RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH เปิดใช้ตัวเฝ้าดูไฟล์อัตโนมัติเพื่อตรวจจับการเปลี่ยนแปลงและจัดทำดัชนีไฟล์ที่แก้ไขใหม่ (true/1 เพื่อเปิดใช้) มีประโยชน์ระหว่างการพัฒนาอย่างต่อเนื่อง HF_ENDPOINT URL ของ endpoint HuggingFace ที่ใช้ดาวน์โหลดโมเดลแบบระบุชัดเจน เมื่อกำหนดค่านี้ ระบบจะข้ามการตรวจจับมิเรอร์อัตโนมัติและใช้ URL นี้โดยตรง มีประโยชน์เมื่อคุณมีมิเรอร์ที่ครบถ้วน HF_AUTO_MIRROR เปิดใช้การตรวจจับมิเรอร์อัตโนมัติสำหรับการดาวน์โหลดจาก HuggingFace (ค่าเริ่มต้นเป็น true) ตั้งเป็น "false" หรือ "0" เพื่อปิดและใช้ huggingface.co โดยตรง ลำดับมิเรอร์คือ huggingface.co → hf-mirror.com →… HTTP_PROXY URL ของพร็อกซี HTTP สำหรับดาวน์โหลดโมเดล embedding ใช้เป็นค่าสำรองเมื่อไม่ได้ตั้งค่า HTTPS_PROXY คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Cursor เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ต่อกับ VS Code ได้ แต่ต้องเตรียมก่อน
ต้องกรอกค่าตั้ง 1 ช่อง (HTTPS_PROXY) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ VS Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ MCP Local Rag ให้ VS Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "servers": { "local-rag": { "type": "stdio", "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง HTTPS_PROXY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ MCP Local Rag ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
node -vMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js
ค่าเหล่านี้เป็นค่าตั้งของโปรแกรม ไม่ใช่คีย์ ไม่ต้องสมัครอะไร ใส่ตามที่ผู้ทำอธิบาย
HTTPS_PROXY URL ของพรอกซี HTTPS สำหรับดาวน์โหลดโมเดล embedding (เช่น http://proxy:8080) จำเป็นเฉพาะเมื่ออยู่หลังพรอกซีขององค์กรเท่านั้น คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ในค่าตั้งของ MCP Local Rag ช่อง HTTPS_PROXY ยังว่าง ใส่คีย์ของคุณแล้วบันทึก
ใช้ MCP Local Rag บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า VS Code บอกว่ากำลังใช้ MCP Local Rag หรือมีชื่อเครื่องมือของ MCP Local Rag ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
BASE_DIR ไดเรกทอรีฐานสำหรับจัดเก็บเอกสาร (ค่าเริ่มต้นคือไดเรกทอรีทำงานปัจจุบัน) จะถูกละเว้นเมื่อมีการตั้งค่า BASE_DIRS BASE_DIRS อาร์เรย์ JSON ของไดเรกทอรีฐาน (เช่น '"/a","/b"') มีลำดับความสำคัญเหนือ BASE_DIR DB_PATH เส้นทางไปยังไดเรกทอรีฐานข้อมูล LanceDB (ค่าเริ่มต้นคือ ./lancedb/) CACHE_DIR ไดเรกทอรีที่แคชโมเดลของ Transformers.js (ค่าเริ่มต้นคือ ./models/) MODEL_NAME ชื่อโมเดลการฝัง (ค่าเริ่มต้นคือ Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE ขนาดไฟล์สูงสุดเป็นไบต์ (ค่าเริ่มต้นคือ 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH ความยาวขั้นต่ำของชังก์เป็นจำนวนอักขระ (1-10000 ค่าเริ่มต้นคือ 50) ชังก์ที่สั้นกว่าค่าขีดจำกัดนี้จะถูกกรองออกระหว่างการนำเข้าข้อมูล RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH เปิดใช้ตัวเฝ้าดูไฟล์อัตโนมัติเพื่อตรวจจับการเปลี่ยนแปลงและจัดทำดัชนีไฟล์ที่แก้ไขใหม่ (true/1 เพื่อเปิดใช้) มีประโยชน์ระหว่างการพัฒนาอย่างต่อเนื่อง HF_ENDPOINT URL ของ endpoint HuggingFace ที่ใช้ดาวน์โหลดโมเดลแบบระบุชัดเจน เมื่อกำหนดค่านี้ ระบบจะข้ามการตรวจจับมิเรอร์อัตโนมัติและใช้ URL นี้โดยตรง มีประโยชน์เมื่อคุณมีมิเรอร์ที่ครบถ้วน HF_AUTO_MIRROR เปิดใช้การตรวจจับมิเรอร์อัตโนมัติสำหรับการดาวน์โหลดจาก HuggingFace (ค่าเริ่มต้นเป็น true) ตั้งเป็น "false" หรือ "0" เพื่อปิดและใช้ huggingface.co โดยตรง ลำดับมิเรอร์คือ huggingface.co → hf-mirror.com →… HTTP_PROXY URL ของพร็อกซี HTTP สำหรับดาวน์โหลดโมเดล embedding ใช้เป็นค่าสำรองเมื่อไม่ได้ตั้งค่า HTTPS_PROXY คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ VS Code เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
โปรแกรมอื่นที่ใช้ MCP ได้ เช่น Windsurf, Zed หรือ Gemini CLI มีวิธีเพิ่มต่างกัน ดูวิธีของแต่ละตัวในหน้ารวมโปรแกรม
ค่าตั้งแบบไฟล์ JSON อยู่ในหัวข้อ “สำหรับคนเขียนโค้ด” ด้านล่าง
Claude Code
claude mcp add --scope user local-rag --env HTTPS_PROXY='ใส่ค่าของคุณ' -- npx -y @damoqiongqiu/mcp-local-ragClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "ใส่ค่าของคุณ"
}
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "ใส่ค่าของคุณ"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"local-rag": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "ใส่ค่าของคุณ"
}
}
}
}BASE_DIR envBASE_DIRS envDB_PATH envCACHE_DIR envMODEL_NAME envMAX_FILE_SIZE envRAG_MAX_DISTANCE envRAG_GROUPING envRAG_MAX_FILES envCHUNK_MIN_LENGTH envRAG_DEVICE envRAG_DTYPE envRAG_HYBRID_WEIGHT envRAG_WATCH envHF_ENDPOINT envHF_AUTO_MIRROR envHTTPS_PROXY จำเป็น envHTTP_PROXY envคำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README
ดูจากแบบการต่อของ server ตัวนี้ และเอกสารของผู้ทำโปรแกรมแต่ละตัว ตรวจเมื่อ 10 พ.ย. 2569
ติดตั้งบนเครื่องได้ใน
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง
เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 19 พ.ย. 2569
ชื่อใน registry ยืนยันด้วยบัญชี GitHub damoqiongqiu ซึ่งเป็นเจ้าของ repo
มีการแก้โค้ดล่าสุด 4 เดือนที่ผ่านมา
ใช้ MIT
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต
ไม่พบรายการใน OSV.dev สำหรับ @damoqiongqiu/mcp-local-rag@0.21.0
ตรวจเฉพาะตัวแพ็กเกจรุ่นนี้ ไม่ใช่ทุก dependency · ตรวจเมื่อ 15 พ.ย. 2569
ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้
[](https://mcp.popnx.com/th/servers/damoqiongqiu-mcp-local-rag)ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์
ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย
ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx
ยังไม่มีรีวิว
เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo
จากการตรวจเบื้องต้นของเรา ผ่าน 3 จาก 3 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น
registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก
รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)
repo บน GitHub มีการแก้โค้ดล่าสุด 4 เดือนที่ผ่านมา และส่งรุ่นล่าสุด (0.21.0) เข้า registry 4 เดือนที่ผ่านมา
โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย
ในหมวดเดียวกันมี OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
หมวดเดียวกันจากผู้ทำคนอื่น ผ่านตัวตรวจคำสั่งแล้ว ตัวทางการขึ้นก่อน แล้วเรียงตามดาว
อ่านการ์ด:↓ ดาวน์โหลดต่อสัปดาห์i★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| ตัวนี้ MCP Local Rag | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| ทำงานที่ไหน | ต้องลงในเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง |
| ต้องใส่คีย์ | ไม่ | ไม่ | ไม่ | ไม่ | ไม่ | ไม่ |
| กด + ใน Claude ได้ | ไม่ | ใช่ | ใช่ | ใช่ | ไม่ | ไม่ |
| ผลตรวจเบื้องต้น | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| สัญญาอนุญาต | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| ราคา | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน |
ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ
🍴 Forked from shinpr/mcp-local-rag — original work by Shinsuke Kagawa
Local code intelligence engine for AI coding assistants. AST-level semantic chunking + keyword boost for pinpointing functions, classes, and APIs — fully private, zero setup.
📖 中文文档
useEffect, error codes, class names rank higher — not just semantically guessed.find_definition and find_references for IDE-level code navigation, powered by tree-sitter metadata captured at ingest time.huggingface.co → hf-mirror.com → modelscope.cn, zero config for users in mainland China.npx command. No Docker, Python, or servers to manage.Set BASE_DIR to the folder you want to search (BASE_DIRS for multiple roots — see Configuration).
Cursor — ~/.cursor/mcp.json:
{
"mcpServers": { "local-rag": { "command": "npx", "args": ["-y", "@damoqiongqiu/mcp-local-rag"], "env": { "BASE_DIR": "/path/to/your/project" } } } }
Claude Code:
claude mcp add local-rag --scope user --env BASE_DIR=/path/to/your/project -- npx -y @damoqiongqiu/mcp-local-rag
Codex — ~/.codex/config.toml:
[mcp_servers.local-rag]
command = "npx" args = ["-y", "@damoqiongqiu/mcp-local-rag"]
[mcp_servers.local-rag.env] BASE_DIR = "/path/to/your/project"
WorkBuddy — Settings → Custom Connectors → Add:
{
"mcpServers": { "local-rag": { "command": "npx", "args": ["-y", "@damoqiongqiu/mcp-local-rag"], "env": { "BASE_DIR": "/path/to/your/project" } } } }
⚠️ WorkBuddy: you MUST click "Trust" in the Custom Connectors list after adding, otherwise the server is silently blocked.
No MCP needed — run directly from the terminal:
npx @damoqiongqiu/mcp-local-rag ingest ./src/
npx @damoqiongqiu/mcp-local-rag query "auth middleware" npx @damoqiongqiu/mcp-local-rag status
That's it. No Docker, Python, or server setup.
You: "Index the src directory of this project"
Assistant: Successfully ingested 156 files (2,847 chunks created)
You: "Where's the middleware that handles API rate limiting?" Assistant: src/middleware/rateLimiter.ts — useRateLimiter(), lines 42–89
You: "How is the database connection pool configured?" Assistant: src/config/database.ts — createPool() default max: 20, idle: 5
Chunking strategy is chosen per file type:
CodeChunker parses source via tree-sitter AST, splits at structural boundaries (functions, classes, methods). Each chunk's contextualizedText includes its scope chain and import context for precise semantic search.SemanticChunker splits into sentences, groups by embedding similarity to find natural topic boundaries. Markdown code blocks remain intact — never split mid-block.Search = semantic similarity + keyword boost (RAG_HYBRID_WEIGHT, default 0.6):
Exact identifiers like useEffect are never buried by semantic approximations.
Only files under BASE_DIR / BASE_DIRS are accessible for ingest, list, delete, or read-neighbor operations. Symlinks resolved outside roots are rejected. Sibling-prefix paths (e.g., /foo/barista when root is /foo/bar) are also blocked — prevents path traversal attacks.
15 tools organized into 5 categories.
| # | Tool | Purpose | Example |
|---|---|---|---|
| 1 | ingest_file | Single file (PDF/DOCX/TXT/MD/code) | "Ingest ./docs/api-spec.pdf" |
| 2 | ingest_data | In-memory text/HTML | "Fetch this page and ingest the HTML" |
| 3 | ingest_directory | Bulk directory ingest | "Ingest everything under ./src" |
`ingest_file` supports 50+ code languages. PDFs support an optional visual mode — a local VLM generates captions for figure pages, making visual content searchable. Two profiles available:
| Profile | Model | Cache | Suited for |
|---|---|---|---|
fast (default) | SmolVLM-256M | ~250 MB | Light visual indexing |
quality | Qwen2.5-VL-3B-ONNX | ~2.9 GB | Figures with in-image text |
# CLI
npx @damoqiongqiu/mcp-local-rag ingest ./spec.pdf --visual --visual-quality quality
"Ingest ./spec.pdf with visual: true, visualQuality: 'quality'"
`ingest_data` runs Readability → Markdown → index. Perfect for web content fetched by your AI assistant. Re-ingesting replaces old versions automatically.
`ingest_directory` scans recursively, respects .gitignore, shows real-time progress via MCP notifications.
| # | Tool | Purpose | Key Parameters |
|---|---|---|---|
| 4 | query_documents | Hybrid search (semantic + keyword) | query, limit, scope, highlightContext, fromTimestamp |
| 5 | read_chunk_neighbors | Expand context around results | filePath, chunkIndex, before, after |
`query_documents` — scope accepts a single path prefix or list, restricting results to that subtree. highlightContext returns snippets around matched terms. fromTimestamp / untilTimestamp enable time-range filtering.
`read_chunk_neighbors` — defaults to 2 chunks before and after (like grep -C 2), max 50 each. Response includes the target chunk marked isTarget: true.
| # | Tool | Purpose |
|---|---|---|
| 6 | list_files | List files with ingestion status (ingested: true/false) |
| 7 | delete_file | Delete by file path or source URL |
| 8 | status | Index stats: docs, chunks, memory, search mode |
list_files supports scope filtering with the same prefix-match semantics as search. In large directories, scope accelerates the scan by skipping out-of-scope subtrees.
| # | Tool | Purpose | Input |
|---|---|---|---|
| 9 | find_definition | Locate symbol definition (file, line range, scope) | Exact symbol name |
| 10 | find_references | Find all references (import + text mention) | Symbol name |
Both tools depend on AST metadata (imports, entities, scope chains) extracted by tree-sitter at ingest time. Only works for code files ingested with `CodeChunker` — files ingested before v0.18.7 lack this metadata and require reindex_all to rebuild.
`find_references` uses a two-phase strategy: (1) exact match in codeMeta.imports → (2) FTS full-text search for the symbol name. Results are deduplicated by (filePath, chunkIndex), with import references listed first.
| # | Tool | Purpose |
|---|---|---|
| 11 | config | Runtime hot read/write config — no restart needed |
| 12 | dedup_check | SHA256 + Jaccard similarity to detect duplicate files |
| 13 | export_index | Export entire index as JSON (backup or migration) |
| 14 | reindex_all | Full re-chunk + re-embed (after model change) |
| 15 | reindex_stale | Re-ingest only files modified on disk (incremental sync) |
`config` hot-swaps hybridWeight, modelName, cacheDir, baseDir/baseDirs, etc. Switching models auto-disposes the old Embedder and initializes the new one — note: changing models alters the embedding space and requires reindex_all.
`dedup_check` is especially useful in monorepos — spot ↔ futures mirror code is typically flagged with similarity 1.0.
# Ingest
npx @damoqiongqiu/mcp-local-rag ingest ./src/
npx @damoqiongqiu/mcp-local-rag query "auth middleware" npx @damoqiongqiu/mcp-local-rag query "auth" --scope /docs/api
npx @damoqiongqiu/mcp-local-rag read-neighbors --file-path /abs/path.md --chunk-index 5
npx @damoqiongqiu/mcp-local-rag list --scope /docs/api npx @damoqiongqiu/mcp-local-rag status npx @damoqiongqiu/mcp-local-rag delete ./docs/old.pdf npx @damoqiongqiu/mcp-local-rag delete --source "https://..."
query, read-neighbors, list, status, delete emit JSON to stdout (pipe to jq). ingest emits progress to stderr.
Global options (--db-path, --cache-dir, --model-name) go before the subcommand:
npx @damoqiongqiu/mcp-local-rag --help
⚠️ The CLI does NOT read your MCP client config (
mcp.json, etc.). Configure via flags or environment variables.
Flags — global options before, subcommand options after:
npx @damoqiongqiu/mcp-local-rag --db-path ./my-db query "auth" --base-dir ./docs
`--base