infra-ragflow-opslisted

# infra-ragflow-ops 用于 RAGFlow 平台 day-2 运维。RAGFlow 是 AI/RAG 平台型应用，本轮作为基础设施纳入治理。 ## 配置上下文 本技能依赖以下配置，AI 在运行时按如下优先级解析： 1. 用户对话中明确提供的值（最高优先级） 2. `~/.harness-ai-kit/config.yaml` 中 `assets.ragflowctl` 或 `global` 段 3. `config.defaults.yaml` 中的默认值 如用户未提供且无默认值的 required 字段，**必须主动询问用户**。 禁止从 AGENTS.md 或脚本中读取硬编码配置值。 | 配置项 | 类型 | 必填 | 说明 | |--------|------|------|------| | `ragflow_url` | string | ✅ | RAGFlow 服务 URL（默认 `http://ragflow.{base_domain}:11281`） | 配套 CLI：`ragflowctl`（配置来源：`~/.harness-ai-kit/config.yaml` → `assets.ragflowctl`） ## 边界 - 本 skill 负责：RAGFlow 服务健康、dataset/知识库 API 探活、模型/向量库/对象存储依赖检查、运行台账。 - 模型消费规则交给 `infra-aimodel-ops`。 - 数据库/向量库/对象存储连接规则交给 `infra-datasource-ops` 和 `infra-minio-ops`。 ## 推荐输出格式 执行完毕后输出极简回执：**状态**（✅ 成功 / ⚠️ 部分成功 / ❌ 失败）+ **关键结果**（1-2 行，如操作对象、产出位置、下一步）。无需强制套用大表格。 ## 操作顺序 1. 运行 `ragflowctl doctor --profile 组织内部集群 --json`。 2. 检查依赖：模型 endpoint、数据库、向量库、对象存储。 3. 只读列 dataset/知识库，再评估是否需要变更。 4. 变更前输出 dry-run 计划。 ## 模型治理（ragflowctl ≥0.3.0，v0.26 模型体系） v0.26 起 RAGFlow 模型管理重构为 provider/instance/model 三级（`tenant_model_*` 表），一律经 `ragflowctl llm` 命令组操作，不开 UI、不手写 SQL： - `llm providers|factories|models|remote-models|default`：只读盘点 - `llm add-instance --models <name:type>`：创建实例（服务端强制真实探测，--models 至少一项） - `llm add-model`：追加模型（纯登记不探测；`--type asr/vision` 自动映射 `speech2text/image2text`） - `llm set-default --type chat|embedding|rerank|asr|tts`：设租户默认模型（引用格式 `model@instance@provider`） - `llm remove-provider`：连实例/模型整体删除 - `dataset set-embedding`：存量库 embedding 引用重绑（同