mzt-76

knowledge-searching

"OBLIGATOIRE pour toute question factuelle sur la nutrition — proteines, macros, deficit, supplements, regimes, BMR. Charge ce skill ET appelle retrieve_relevant_documents AVANT de repondre. Ne jamais repondre de memoire sur des sujets nutritionnels."

mzt-76 1 Updated 3mo ago

Resources

1
GitHub

Install

npx skillscat add mzt-76/ai-nutrition/knowledge-searching

Install via the SkillsCat registry.

SKILL.md

Knowledge Searching - Recherche Documentaire

Quand utiliser

  • L'utilisateur pose une question sur la nutrition, les macronutriments, les supplements, les regimes
  • L'utilisateur demande des recommandations basees sur la science
  • Tu as besoin de verifier une information nutritionnelle

Workflow OBLIGATOIRE

  1. TOUJOURS appeler retrieve_relevant_documents EN PREMIER avec la question de l'utilisateur
  2. Si les documents ne repondent pas a la question, utilise web_search
  3. Base ta reponse sur les documents recuperes et cite les sources (ISSN, AND, EFSA, WHO)
  4. Explique le raisonnement scientifique en referencant les etudes
  5. Ne te fie JAMAIS uniquement a tes connaissances internes - verifie toujours avec le RAG

Decision RAG vs Web Search

Situation Outil Raison
Question sur proteines, macros, BMR retrieve_relevant_documents Base de connaissances validee
Question sur supplement specifique retrieve_relevant_documents d'abord, puis web_search Completer si necessaire
Actualite nutritionnelle recente web_search Informations post-2024
Question medicale specifique Aucun - recommande un medecin Hors competence

Exécution

# RAG — base de connaissances nutritionnelles
run_skill_script("knowledge-searching", "retrieve_relevant_documents", {
    "user_query": "protein requirements muscle gain"
})

# Web search — informations récentes
run_skill_script("knowledge-searching", "web_search", {
    "query": "omega-3 recommendations 2025 ISSN guidelines"
})

Scripts disponibles :

  • scripts/retrieve_relevant_documents.py : Embedding query → pgvector similarity search → top 4
  • scripts/web_search.py : Brave API / SearXNG → parse results → top 5 formatted