diff --git a/app/main.py b/app/main.py
index e58ddce..749c7e7 100644
--- a/app/main.py
+++ b/app/main.py
@@ -144,3 +144,21 @@ async def admin_spa(rest: str):
         return FileResponse(file_path)
     # SPA 客户端路由兜底
     return FileResponse(spa_dir / "index.html", media_type="text/html")
+
+
+# AI Agent Skill 压缩包（用于 Agent 上传文档与检索），随 ./app 卷挂载，restart 即生效
+_AGENT_SKILL_ZIP = _STATIC_DIR / "agent-skill" / "QMDSearch-Agent-Skill.zip"
+
+
+@app.get("/agent-skill", include_in_schema=False)
+async def agent_skill_download() -> FileResponse | JSONResponse:
+    """下载 AI Agent Skill 压缩包（qmdsearch-agent skill，含 SKILL.md 与示例）"""
+    if not _AGENT_SKILL_ZIP.is_file():
+        return JSONResponse(
+            status_code=404, content={"code": 1002, "message": "Skill 包不存在"}
+        )
+    return FileResponse(
+        _AGENT_SKILL_ZIP,
+        media_type="application/zip",
+        filename="QMDSearch-Agent-Skill.zip",
+    )
diff --git a/app/static/agent-skill/QMDSearch-Agent-Skill.zip b/app/static/agent-skill/QMDSearch-Agent-Skill.zip
new file mode 100644
index 0000000..d3e2ba3
Binary files /dev/null and b/app/static/agent-skill/QMDSearch-Agent-Skill.zip differ
diff --git a/frontend/src/views/ApiDocs.vue b/frontend/src/views/ApiDocs.vue
index cb625bd..b94948c 100644
--- a/frontend/src/views/ApiDocs.vue
+++ b/frontend/src/views/ApiDocs.vue
@@ -1,6 +1,6 @@
 <script setup>
 import { computed } from 'vue'
-import { ApiOutlined, SafetyCertificateOutlined, CodeOutlined } from '@ant-design/icons-vue'
+import { ApiOutlined, SafetyCertificateOutlined, CodeOutlined, DownloadOutlined } from '@ant-design/icons-vue'
 
 // 以下内容整理自项目 README.md 的「API 文档」章节
 const apiList = [
@@ -29,6 +29,8 @@ const methodColor = {
 
 const baseUrl = computed(() => `${window.location.origin}/admin/`.replace(/\/admin\/$/, ''))
 
+const agentSkillUrl = computed(() => `${window.location.origin}/agent-skill`)
+
 const loginExample = `curl -X POST ${baseUrl.value}/api/v1/auth/login \\
   -H "Content-Type: application/json" \\
   -d '{"username": "admin", "password": "your-password"}'`
@@ -59,6 +61,23 @@ const uploadExample = `curl -X POST ${baseUrl.value}/api/v1/documents/upload \\
       message="需要鉴权的接口请在请求头携带 Authorization: Bearer &lt;token&gt;，token 通过 /auth/login 获取。"
     />
 
+    <!-- AI Agent Skill 下载 -->
+    <section class="apidocs__block apidocs__skill">
+      <h3 class="section-subtitle">
+        <DownloadOutlined /> AI Agent Skill 下载
+      </h3>
+      <p class="apidocs__p">
+        为 AI Agent 提供的接入包（含 <code>SKILL.md</code> 与 Python 客户端示例），覆盖文档上传（文本 / 文件）与分层检索。
+        下载后解压到 Agent 的 skills 目录即可启用。
+      </p>
+      <a :href="agentSkillUrl" target="_blank" rel="noopener">
+        <a-button type="primary">
+          <template #icon><DownloadOutlined /></template>
+          下载 QMDSearch-Agent-Skill.zip
+        </a-button>
+      </a>
+    </section>
+
     <!-- 统一响应格式 -->
     <section class="apidocs__block">
       <h3 class="section-subtitle">
@@ -152,6 +171,13 @@ const uploadExample = `curl -X POST ${baseUrl.value}/api/v1/documents/upload \\
   margin-bottom: 20px;
 }
 
+.apidocs__skill {
+  padding: 16px 18px;
+  border: 1px solid rgba(22, 119, 255, 0.25);
+  border-radius: 10px;
+  background: rgba(22, 119, 255, 0.04);
+}
+
 .apidocs__block {
   margin-bottom: 24px;
 }
diff --git a/skills/qmdsearch-agent/SKILL.md b/skills/qmdsearch-agent/SKILL.md
new file mode 100644
index 0000000..84b290c
--- /dev/null
+++ b/skills/qmdsearch-agent/SKILL.md
@@ -0,0 +1,145 @@
+---
+name: qmdsearch-agent
+description: 通过 QMDSearch REST API 让 AI Agent 上传文档（文本/文件）并执行分层检索查询。配置服务地址与 Bearer Token 后，即可在对话中入库知识库并检索答案。
+metadata: {"clawdbot":{"emoji":"📚"}}
+---
+
+# QMDSearch Agent 接入 Skill
+
+本 skill 指导 AI Agent 调用 **QMDSearch**（面向 AI Agent 的分层信息检索服务）的 HTTP API，完成两类核心操作：
+
+1. **上传文档**：把文本或文件送入知识库（异步入库，自动三级总结 + 向量化）。
+2. **查询 / 检索**：对知识库做分层语义检索，返回最相关原文 chunk。
+
+## 何时使用
+
+- 用户希望把一份文档 / 笔记 / 网页内容加入知识库 → 调用上传接口。
+- 用户就知识库内容提问 → 调用检索接口。
+- 用户想确认文档是否入库成功 → 轮询任务状态。
+- 需要列出 / 删除知识库文档、查看统计 → 调用对应只读 / 管理接口。
+
+## 前置配置（必须）
+
+启用前先确定：
+
+- `QMDSEARCH_BASE_URL`：服务基地址，例如 `http://localhost:8000` 或 NAS 地址 `http://<nas-ip>:8000`。
+- `QMDSEARCH_TOKEN`：Bearer Token。通过 `POST {BASE}/api/v1/auth/login`（用户名 + 密码）获取；session TTL 12h，失效后重新登录。
+
+> 所有变更类请求（上传 / 删除）与检索请求都必须在 Header 携带 `Authorization: Bearer <token>`。
+> 当前代码实现中，查询类只读接口（文档列表 / 详情 / 类目 / 统计 / 健康）同样要求 Bearer（与登录态绑定），请始终携带 token 以避免 `1005` 未认证。
+
+## 统一约定
+
+- 路径前缀：`{BASE}/api/v1`
+- 响应体：`{ "code": 0, "data": {...}, "message": "ok" }`，`code=0` 成功；`1xxx` 客户端错误；`2xxx` 服务端错误。
+- 入库是**异步**的：上传返回 `202 + task_id`，需轮询 `GET /documents/tasks/{task_id}` 直到 `status=done`（或 `failed`）。
+
+## 1. 获取 Token
+
+```bash
+curl -X POST {BASE}/api/v1/auth/login \
+  -H "Content-Type: application/json" \
+  -d '{"username":"admin","password":"<password>"}'
+# → {"code":0,"data":{"token":"<JWT>","username":"admin","role":"admin","must_change_password":false},"message":"ok"}
+```
+
+`must_change_password=true` 时，登录成功但调用其他接口会返回 `1006`，需先 `POST /api/v1/auth/password` 改密。
+
+## 2. 上传文档（文本）
+
+`POST {BASE}/api/v1/documents`，JSON body `{text, title?, source?, metadata?}`。
+
+```bash
+curl -X POST {BASE}/api/v1/documents \
+  -H "Authorization: Bearer <token>" \
+  -H "Content-Type: application/json" \
+  -d '{"text":"QMDSearch 支持 L1/L2/L3 分层检索……", "title":"QMDSearch 介绍", "source":"notes"}'
+# → 202 {"code":0,"data":{"task_id":"<uuid>","status":"pending"},"message":"ok"}
+```
+
+- `text` 必填且非空；`title` / `source` 可选；`metadata` 为 `dict[str,str]`。
+- 相同 `sha256(text)` 会命中**去重**，直接复用旧文档（`data` 中 `deduplicated=true`）。
+
+## 3. 上传文件
+
+`POST {BASE}/api/v1/documents/upload`，`multipart/form-data`：
+
+- `file`：必填，支持 `.txt .md .html .htm .pdf .docx`
+- `title` / `source`：可选（默认取原文件名）
+- `metadata`：可选 JSON 字符串
+
+```bash
+curl -X POST {BASE}/api/v1/documents/upload \
+  -H "Authorization: Bearer <token>" \
+  -F "file=@document.pdf" \
+  -F "source=manual"
+# → 202 {"code":0,"data":{"task_id":"<uuid>","status":"pending","saved_path":"..."},"message":"ok"}
+```
+
+服务端按扩展名提取纯文本（PDF 扫描件自动 OCR 降级），再复用同一入库流水线。
+
+## 4. 轮询入库任务
+
+`GET {BASE}/api/v1/documents/tasks/{task_id}`（无需鉴权）：
+
+```bash
+curl {BASE}/api/v1/documents/tasks/<task_id>
+# done   → {"code":0,"data":{"task_id":...,"status":"done","result":{...文档ID/总结/分类...},"created_at":...,"updated_at":...}}
+# failed → {"code":0,"data":{"task_id":...,"status":"failed","error":"..."}}
+```
+
+建议：提交后每 1–2s 轮询，直到 `status∈{done,failed}`；`done` 的 `result.document_id` 即入库文档 ID。
+
+## 5. 检索（查询）
+
+`POST {BASE}/api/v1/search`，JSON `{query, top_k?, summarize?}`：
+
+```bash
+curl -X POST {BASE}/api/v1/search \
+  -H "Authorization: Bearer <token>" \
+  -H "Content-Type: application/json" \
+  -d '{"query":"如何配置 Redis 缓存","top_k":5,"summarize":false}'
+```
+
+返回 `data`：`{query, hits[], routed_categories[], fallback, extracted_info, summary?}`。
+每个 `hit`：`{text, doc_id, title, section_path, score, doc_summary}`。
+
+- `top_k`：返回条数（默认 `RETRIEVAL_FINAL_K`，通常 5）。
+- `summarize=true`：额外返回 `summary`（对检索结果做 AI 总结）。
+- `fallback=true`：走了全库兜底（未走类目路由），召回较广。
+- `extracted_info`：query 解析出的关键词 / 实体 / 意图 / 命中类目。
+
+## 6. 其他管理接口（按需）
+
+| 方法 | 路径 | 说明 |
+|------|------|------|
+| POST | `/documents` | 文本入库（202 + task_id） |
+| POST | `/documents/upload` | 文件入库（202 + task_id） |
+| GET | `/documents/tasks/{task_id}` | 任务状态（done / failed） |
+| GET | `/documents?limit=&offset=` | 文档列表（分页游标） |
+| GET | `/documents/{doc_id}` | 文档详情（L1 + L2/L3 + chunks 数） |
+| GET | `/documents/{doc_id}/file` | 下载原始文件 |
+| DELETE | `/documents/{doc_id}` | 删除文档（幂等） |
+| GET | `/knowledge/categories` | 知识分类类目集 |
+| GET | `/knowledge/stats` | 统计（四层点数 + 类目分布） |
+| GET | `/health` | 健康检查 |
+
+## 错误码速查
+
+- `1001` 参数 / 格式错误（空文本、不支持的类型、弱密码、超大小）
+- `1004` 资源不存在（task / doc 不存在）
+- `1005` 未认证或凭证无效 / 账号已禁用
+- `1006` 权限不足 / 首次登录须先改密
+- `2000` 服务端内部错误（检索 / 入库 / 列表失败）
+- `2001` 认证服务暂不可用
+
+## Agent 最佳实践
+
+1. **先登录拿 token**，缓存 12h，失效再用 `/auth/login` 刷新。
+2. **上传走异步**：拿到 `task_id` 后轮询，不要在对话里阻塞等待，可告诉用户“正在入库，稍后查询”。
+3. **去重友好**：重复提交同文本会自动复用，不必担心重复。
+4. **大文件 / 批量**：逐文件上传并各自轮询；注意 `UPLOAD_MAX_SIZE_MB`（默认 20MB）。
+5. **检索调参**：召回不足调大 `top_k`；需要摘要设 `summarize=true`；关注 `fallback` 判断是否需要改写 query。
+6. **凭证安全**：token 等同会话，不要写入日志或外发。
+
+完整请求 / 响应示例（含 Python 客户端封装）见 `references/api-examples.md`。
diff --git a/skills/qmdsearch-agent/references/api-examples.md b/skills/qmdsearch-agent/references/api-examples.md
new file mode 100644
index 0000000..228a156
--- /dev/null
+++ b/skills/qmdsearch-agent/references/api-examples.md
@@ -0,0 +1,170 @@
+# QMDSearch API 示例与 Python 客户端封装
+
+> 基址占位符 `{BASE}` 替换为实际服务地址，例如 `http://localhost:8000` 或 `http://<nas-ip>:8000`。
+
+## 一、curl 示例
+
+### 登录
+
+```bash
+curl -s -X POST {BASE}/api/v1/auth/login \
+  -H "Content-Type: application/json" \
+  -d '{"username":"admin","password":"<password>"}'
+```
+
+### 文本入库（202 + task_id）
+
+```bash
+curl -s -X POST {BASE}/api/v1/documents \
+  -H "Authorization: Bearer <token>" \
+  -H "Content-Type: application/json" \
+  -d '{"text":"QMDSearch 是面向 AI Agent 的分层信息检索服务……","title":"QMDSearch 介绍","source":"notes"}'
+```
+
+### 文件上传（202 + task_id）
+
+```bash
+curl -s -X POST {BASE}/api/v1/documents/upload \
+  -H "Authorization: Bearer <token>" \
+  -F "file=@document.pdf" \
+  -F "source=manual"
+```
+
+### 轮询任务状态
+
+```bash
+curl -s {BASE}/api/v1/documents/tasks/<task_id>
+```
+
+### 检索
+
+```bash
+curl -s -X POST {BASE}/api/v1/search \
+  -H "Authorization: Bearer <token>" \
+  -H "Content-Type: application/json" \
+  -d '{"query":"如何配置 Redis 缓存","top_k":5,"summarize":false}'
+```
+
+## 二、Python 客户端封装
+
+可直接在 Agent 工具代码里复用：
+
+```python
+import time
+import requests
+
+
+class QMDSearchClient:
+    """QMDSearch 最小客户端：登录、入库（文本/文件）、轮询、检索。"""
+
+    def __init__(self, base_url: str, username: str, password: str,
+                 poll_interval: float = 1.5, poll_timeout: float = 120.0):
+        self.base = base_url.rstrip("/")
+        self.username = username
+        self.password = password
+        self.poll_interval = poll_interval
+        self.poll_timeout = poll_timeout
+        self.token: str | None = None
+
+    # ---- 鉴权 ----
+    def login(self) -> str:
+        r = requests.post(
+            f"{self.base}/api/v1/auth/login",
+            json={"username": self.username, "password": self.password},
+            timeout=30,
+        )
+        r.raise_for_status()
+        body = r.json()
+        if body.get("code") != 0:
+            raise RuntimeError(f"登录失败: {body}")
+        self.token = body["data"]["token"]
+        return self.token
+
+    def _headers(self) -> dict:
+        if not self.token:
+            self.login()
+        return {"Authorization": f"Bearer {self.token}"}
+
+    def _ok(self, resp: requests.Response):
+        resp.raise_for_status()
+        body = resp.json()
+        if body.get("code") != 0:
+            raise RuntimeError(f"API 错误 code={body.get('code')} msg={body.get('message')}")
+        return body["data"]
+
+    # ---- 入库 ----
+    def ingest_text(self, text: str, title: str = "", source: str = "",
+                    metadata: dict | None = None) -> str:
+        data = {"text": text}
+        if title:
+            data["title"] = title
+        if source:
+            data["source"] = source
+        if metadata:
+            data["metadata"] = {str(k): str(v) for k, v in metadata.items()}
+        resp = requests.post(f"{self.base}/api/v1/documents",
+                             headers=self._headers(), json=data, timeout=30)
+        return self._ok(resp)["task_id"]
+
+    def upload_file(self, path: str, title: str = "", source: str = "",
+                    metadata: dict | None = None) -> str:
+        files = {"file": open(path, "rb")}
+        data = {}
+        if title:
+            data["title"] = title
+        if source:
+            data["source"] = source
+        if metadata:
+            data["metadata"] = str({str(k): str(v) for k, v in metadata.items()})
+        resp = requests.post(f"{self.base}/api/v1/documents/upload",
+                             headers=self._headers(), files=files, data=data, timeout=60)
+        return self._ok(resp)["task_id"]
+
+    # ---- 轮询 ----
+    def wait_task(self, task_id: str) -> dict:
+        deadline = time.time() + self.poll_timeout
+        while time.time() < deadline:
+            resp = requests.get(f"{self.base}/api/v1/documents/tasks/{task_id}", timeout=30)
+            data = self._ok(resp)
+            if data["status"] == "done":
+                return data["result"]
+            if data["status"] == "failed":
+                raise RuntimeError(f"入库失败: {data.get('error')}")
+            time.sleep(self.poll_interval)
+        raise TimeoutError(f"任务 {task_id} 轮询超时")
+
+    def ingest_text_wait(self, *args, **kwargs) -> dict:
+        return self.wait_task(self.ingest_text(*args, **kwargs))
+
+    def upload_file_wait(self, *args, **kwargs) -> dict:
+        return self.wait_task(self.upload_file(*args, **kwargs))
+
+    # ---- 检索 ----
+    def search(self, query: str, top_k: int | None = None,
+               summarize: bool = False) -> dict:
+        payload = {"query": query, "summarize": summarize}
+        if top_k is not None:
+            payload["top_k"] = top_k
+        resp = requests.post(f"{self.base}/api/v1/search",
+                             headers=self._headers(), json=payload, timeout=60)
+        return self._ok(resp)
+
+
+# 用法
+if __name__ == "__main__":
+    client = QMDSearchClient("http://localhost:8000", "admin", "<password>")
+    client.login()
+    # 文本入库并等待完成
+    result = client.ingest_text_wait("这是一篇关于分层检索的笔记……", title="笔记")
+    print("document_id =", result["document_id"])
+    # 检索
+    hits = client.search("分层检索是什么", top_k=5)["hits"]
+    for h in hits:
+        print(f"[{h['score']:.3f}] {h['title']}: {h['text'][:80]}")
+```
+
+## 三、响应结构速记
+
+- 文本 / 文件入库 `202` → `data = {task_id, status:"pending"[, saved_path]}`
+- 任务 `done` → `data.result = {document_id, summary:{l1_summary,l2_outline,l3_content_outline,level}, category, chunks_count, tags, category_confidence, deduplicated}`
+- 检索 → `data = {query, hits:[{text,doc_id,title,section_path,score,doc_summary}], routed_categories, fallback, extracted_info, summary?}`