Knowledge Rag
📖 技能介紹
name: knowledge-rag version: "1.6.0" description: "個人知識庫：存筆記、搜內容。用自然語言搜本地文件，不用記檔名。跟 AI 說'把這段存到知識庫'自動儲存並建索引。推薦搭配 Bilibili Auto Transcript：影片轉錄自動入庫，轉完即搜。" metadata: openclaw: emoji: "📖" requires: bins: ["python3", "ollama"] install: - id: "ollama" kind: "system" label: "安裝 Ollama（向量引擎）" url: "https://ollama.com/download" - id: "embed-model" kind: "shell" label: "下載推薦向量模型（千問3 Embedding 8B，約 4.7GB）" command: "ollama pull qwen3-embedding:8b" - id: "pip-deps" kind: "shell" label: "建立虛擬環境並安裝 Python 依賴" command: "cd {{SKILL_DIR}} && python3 -m venv .venv && .venv/bin/pip install numpy requests fastapi pydantic uvicorn PyPDF2 pdfplumber python-docx" - id: "auto-index-cron" kind: "shell" optional: true label: "（可選）開啟自動索引——每30分鐘掃描新檔案" command: "echo '提示：安裝後可執行 openclaw cron add 定時執行 index_knowledge.py 實現自動索引'"
📖 Knowledge RAG
用自然語言搜尋你的筆記和文件，像問 ChatGPT 一樣問你的私人知識庫。
🚀 安裝啟動
# 1. 安裝 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 2. 拉取推薦模型（千問3 Embedding，中文最優）
ollama pull qwen3-embedding:8b
# 3. 建立虛擬環境並安裝依賴
python3 -m venv .venv
.venv/bin/pip install numpy requests fastapi pydantic uvicorn PyPDF2 pdfplumber python-docx
# 4. 啟動
.venv/bin/python3 start.py
開啟 http://localhost:5777 → 檔案丟到 ~/workspace/knowledge/ → 管理頁點「重新索引」→ 搜尋頁開搜。
可選：開啟自動索引
新增檔案後不用每次都手動點重新索引，設個定時任務每30分鐘自動掃描：
openclaw cron add \
--name "knowledge-rag 自動索引" \
--every 1800000 \
--message "執行索引檢查：cd ~/.openclaw/workspace/skills/knowledge-rag && .venv/bin/python3 scripts/index_knowledge.py" \
--silent
📂 知識庫目錄
~/workspace/knowledge/
├── notes/ ← 技術筆記、讀書筆記
├── bilibili/ ← B站轉錄
├── wechat-articles/ ← 公眾號文章
├── other/ ← 其他文件
└── （可建任意子目錄，去設定頁新增）
支援 .txt / .md / .pdf（文字版）/ .docx 檔案。
🔍 搜尋方式
直接問我
"幫我搜筆記裡關於 Docker 的部分"
"知識庫裡有沒有講 Transformer 的文章？"
我會自動調搜尋，帶原文回答。
命令列
.venv/bin/python3 scripts/query_knowledge.py "你的問題"
.venv/bin/python3 scripts/query_knowledge.py "微服務" --source bilibili --top 5
.venv/bin/python3 scripts/query_knowledge.py --stats
新增檔案後執行索引即可：
.venv/bin/python3 scripts/index_knowledge.py # 增量
.venv/bin/python3 scripts/index_knowledge.py --force # 全量重建
📝 Agent 存知識規範
當用戶說"把這段存到知識庫"，按以下規則操作：
| 內容型別 | 存放目錄 | 檔名 |
|---|---|---|
| 技術筆記、概念解釋 | notes/ |
中文描述.md |
| B站影片轉錄 | bilibili/ |
自動處理 |
| 公眾號、網頁文章 | wechat-articles/ |
文章標題.md |
| 其他 | other/ |
內容摘要.md |
儲存後執行 .venv/bin/python3 scripts/index_knowledge.py 更新索引。
🔧 切換模型
在設定頁修改 embed_model 欄位：
| 場景 | 模型 | 大小 |
|---|---|---|
| ✅ 推薦（質量最高） | qwen3-embedding:8b |
4.7GB |
| 輕量（CPU友好） | qwen3-embedding:0.6b |
640MB |
| 多語言 | bge-m3 |
1.2GB |
| 最小體積 | nomic-embed-text |
274MB |
改完後點「重新索引」，系統自動檢測並全量重建。
🧑💻 環境檢測（給 AI 助手的指引）
使用者首次使用或出問題時，按順序排查：
- Ollama 是否安裝？ →
ollama --version，否則引導去 https://ollama.com/download - 千問3 模型是否下載？ →
ollama list | grep qwen3-embedding，否則ollama pull qwen3-embedding:8b - 索引模型是否匹配？ → 讀
~/workspace/knowledge/.rag_data/model_meta.json，不匹配則提示重建
快速診斷：
curl -s http://localhost:8768/api/stats | .venv/bin/python3 -c "
import sys,json; d=json.load(sys.stdin)
em = d.get('embed_model',{})
print(f'配置: {em.get(\"current\",\"?\")} | 索引: {em.get(\"stored\",\"?\")} ({em.get(\"stored_dim\",\"?\")}維)')
print(f'狀態: {\"✅ 正常\" if not em.get(\"mismatch\") else \"❌ 不匹配\"}')"
⚠️ 注意事項
- 依賴 Ollama，首次下載模型約 640MB 需聯網
- PDF 支援文字版 PDF（PyPDF2 優先提取，失敗自動降級到 pdfplumber），純影像版 PDF 暫不支援
- DOCX 支援通過 python-docx 提取段落文字和表格內容
- PDF/DOCX 解析需先建立虛擬環境：
python3 -m venv .venv && .venv/bin/pip install PyPDF2 pdfplumber python-docx - 僅支援純文本內容，不支援圖片和 PDF 中的影像
- 刪除檔案後執行「重新索引」即可從搜尋結果移除（增量索引自動清理已刪除檔案，無需 --force）
- 資料全部在
~/workspace/knowledge/，解除安裝不丟
🎯 推薦搭配
7w4.net小蔥技能站收錄全網優質技能，值得收藏。
Bilibili Auto Transcript — 裝了這個 skill 後，B站影片轉錄完自動存到知識庫，不用手動操作：
clawhub install bilibili-auto-transcript
轉錄的檔案自動進 ~/workspace/knowledge/bilibili/，轉完即搜。
📦 開源 & 交流
- GitHub：github.com/54Lynnn/knowledge-rag（⭐️ Star 支援）
- ClawHub：clawhub.ai/54lynnn/knowledge-rag
- QQ 群：120363664（歡迎掃碼加入交流）
🤖 AI 評測
這個 Skill 質量不錯，功能實用——能把本地筆記和文件變成可對話搜尋的知識庫，支援 PDF、Word、Markdown 等常見格式。優點是安裝簡單、不用資料庫，搭配 Web 介面和命令列都很方便。缺點是 PDF 必須是可以複製文字的那種（圖片掃描的不行），而且需要額外下載一個 AI 模型，首次安裝要下載幾 GB 的檔案。如果有大量掃描文件就不太適合。總體來說是一款認真做的好工具，對整理知識很有幫助。
