个人知识管理助手

本文介绍如何使用 OpenClaw 构建个人知识管理系统，帮助你更高效地管理和利用知识资产。

系统架构

┌─────────────────────────────────────────────┐
│              OpenClaw 知识助手               │
│                                             │
│  ┌─────────┐  ┌─────────┐  ┌─────────────┐  │
│  │ 知识入库 │  │ 智能检索 │  │ 知识问答    │  │
│  └────┬────┘  └────┬────┘  └──────┬──────┘  │
│       │            │              │         │
│       └────────────┼──────────────┘         │
│                    ▼                         │
│           ┌───────────────┐                 │
│           │   向量数据库    │                │
│           └───────┬───────┘                 │
└───────────────────┼─────────────────────────┘
                    ▼
    ┌───────────────────────────────────┐
    │         知识来源                   │
    │  ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐  │
    │  │笔记 │ │文档 │ │网页 │ │书籍 │  │
    │  └─────┘ └─────┘ └─────┘ └─────┘  │
    └───────────────────────────────────┘

核心功能

知识入库

文本笔记

async def add_note(content, metadata=None):
    """添加笔记到知识库"""
    # 生成向量嵌入
    embedding = await generate_embedding(content)
    
    # 存储到向量数据库
    await vector_db.insert({
        "content": content,
        "embedding": embedding,
        "metadata": metadata or {},
        "created_at": datetime.now()
    })

网页剪藏

async def clip_webpage(url):
    """保存网页内容"""
    # 获取网页内容
    content = await fetch_webpage(url)
    
    # 提取正文
    article = await extract_article(content)
    
    # 添加到知识库
    await add_note(article.text, {
        "source": url,
        "title": article.title,
        "type": "webpage"
    })

文档导入

async def import_document(file_path):
    """导入文档"""
    # 解析文档
    if file_path.endswith('.pdf'):
        content = await parse_pdf(file_path)
    elif file_path.endswith('.md'):
        content = await parse_markdown(file_path)
    elif file_path.endswith('.docx'):
        content = await parse_docx(file_path)
    
    # 分块处理
    chunks = await split_into_chunks(content, chunk_size=500)
    
    # 批量入库
    for chunk in chunks:
        await add_note(chunk, {"source": file_path})

智能检索

语义搜索

async def semantic_search(query, top_k=5):
    """语义搜索知识库"""
    # 生成查询向量
    query_embedding = await generate_embedding(query)
    
    # 向量检索
    results = await vector_db.search(
        query_embedding,
        top_k=top_k
    )
    
    return results

混合检索

async def hybrid_search(query, top_k=5):
    """混合检索：语义 + 关键词"""
    # 语义检索结果
    semantic_results = await semantic_search(query, top_k * 2)
    
    # 关键词检索结果
    keyword_results = await keyword_search(query, top_k * 2)
    
    # 合并排序
    merged = merge_and_rerank(
        semantic_results,
        keyword_results,
        weights={"semantic": 0.7, "keyword": 0.3}
    )
    
    return merged[:top_k]

知识问答

async def answer_question(question):
    """基于知识库回答问题"""
    # 检索相关内容
    context = await semantic_search(question, top_k=5)
    
    # 构建提示词
    prompt = f"""
    基于以下知识内容回答问题：
    
    知识内容：
    {format_context(context)}
    
    问题：{question}
    
    请给出准确、详细的回答，并标注信息来源。
    """
    
    # 调用模型生成回答
    answer = await generate_response(prompt)
    
    return {
        "answer": answer,
        "sources": [r.metadata for r in context]
    }

配置示例

知识管理技能

{
  "skills": {
    "knowledge-manager": {
      "enabled": true,
      "vector_db": {
        "type": "chroma",
        "path": "~/.openclaw/knowledge/chroma"
      },
      "embedding": {
        "model": "text-embedding-3-small",
        "dimensions": 1536
      },
      "chunking": {
        "size": 500,
        "overlap": 50
      }
    }
  }
}

笔记集成

{
  "integrations": {
    "notion": {
      "enabled": true,
      "api_key": "${NOTION_API_KEY}",
      "databases": ["notes", "articles"]
    },
    "obsidian": {
      "enabled": true,
      "vault_path": "~/Documents/Obsidian/Main"
    }
  }
}

工作流示例

每日知识整理

{
  "workflow": {
    "id": "daily-knowledge-review",
    "name": "每日知识整理",
    "trigger": {
      "type": "schedule",
      "cron": "0 21 * * *"
    },
    "steps": [
      {
        "id": "collect-notes",
        "type": "action",
        "action": "collectTodayNotes"
      },
      {
        "id": "summarize",
        "type": "ai",
        "prompt": "总结今天的笔记内容，提取关键知识点：\n{{collect-notes.result}}"
      },
      {
        "id": "save-summary",
        "type": "action",
        "action": "saveNote",
        "params": {
          "title": "每日总结 - {{date}}",
          "content": "{{summarize.result}}"
        }
      }
    ]
  }
}

自动标签

{
  "workflow": {
    "id": "auto-tag",
    "name": "自动标签",
    "trigger": {
      "type": "event",
      "event": "note.added"
    },
    "steps": [
      {
        "id": "extract-tags",
        "type": "ai",
        "prompt": "为以下内容提取 3-5 个标签：\n{{note.content}}\n\n只返回标签列表，用逗号分隔。"
      },
      {
        "id": "update-tags",
        "type": "action",
        "action": "updateNoteTags",
        "params": {
          "note_id": "{{note.id}}",
          "tags": "{{extract-tags.result}}"
        }
      }
    ]
  }
}

知识图谱

实体提取

async def extract_entities(content):
    """提取知识实体"""
    prompt = f"""
    从以下内容中提取关键实体和关系：
    
    {content}
    
    请以 JSON 格式返回：
    {{
        "entities": [
            {{"name": "实体名", "type": "类型", "description": "描述"}}
        ],
        "relations": [
            {{"from": "实体1", "relation": "关系", "to": "实体2"}}
        ]
    }}
    """
    
    result = await generate_response(prompt)
    return parse_json(result)

图谱构建

async def build_knowledge_graph(entities, relations):
    """构建知识图谱"""
    graph = KnowledgeGraph()
    
    for entity in entities:
        graph.add_node(entity.name, entity.type, entity.description)
    
    for relation in relations:
        graph.add_edge(relation.from, relation.to, relation.relation)
    
    return graph

使用场景

学习笔记管理

• 自动整理课堂笔记
• 生成知识点摘要
• 关联相关概念

读书笔记

• 导入电子书标注
• 生成章节摘要
• 提取核心观点

研究资料

• 文献管理
• 引用追踪
• 观点对比

最佳实践

内容组织

1. 统一格式 - 使用一致的笔记格式
2. 合理分类 - 建立清晰的分类体系
3. 定期整理 - 设置定期整理工作流

检索优化

1. 关键词标注 - 添加关键词标签
2. 关联链接 - 建立笔记间关联
3. 定期更新 - 保持知识新鲜度

隐私保护

{
  "privacy": {
    "sensitive_patterns": ["密码", "密钥", "token"],
    "exclude_tags": ["private", "confidential"],
    "encryption": {
      "enabled": true,
      "fields": ["content", "metadata"]
    }
  }
}

常见问题

检索结果不准确

• 检查嵌入模型配置
• 调整分块大小
• 增加上下文窗口

知识库体积过大

• 定期清理过期内容
• 启用压缩存储
• 分库管理

导入速度慢

• 批量处理文档
• 使用异步导入
• 优化嵌入生成

下一步

• 知识管理工作流
• 记忆系统配置
• 向量搜索详解