【龙虾教程】OpenClaw如何部署个人知识库

建立可搜索的个人知识库，让OpenClaw帮你记住一切重要信息

适合人群：知识工作者、研究者、学生、任何需要整理大量信息的人难度：⭐⭐（需要理解向量搜索概念，但有现成模板）

为什么要部署这个系统

解决的核心点：

• ❌ 文档太多，找不到想要的信息，每次都要重新搜索
• ❌ 记得讨论过某事，但忘了细节和出处，无法引用
• ❌ 想系统性地整理知识，但手动整理太耗时，坚持不下去

最终效果：

你：我上周关于GEO优化的决策是什么？OpenClaw：根据知识库，你在2026-04-15决定：        • 使用v3.3-A级质量标准        • 建立Git-Notes防失忆机制        • 执行时强制三脚本检查        来源：memory/2026-04-15.md你：查找所有关于"时效性"的内容OpenClaw：找到3条相关内容：        1. 4/16 修正文章年份错误...        2. 4/16 建立时效性检查机制...        3. 4/15 v3.3标准包含时效性检查

使用场景：

1. 项目资料管理：整理项目文档、会议记录、决策依据
2. 学习资料整理：整理课程笔记、论文、研究资料
3. 个人知识积累：整理读书笔记、行业资讯、经验总结
4. 团队知识共享：建立团队共享知识库，避免知识孤岛

需要准备什么

前置条件：

• OpenClaw已安装并正常运行
• 有Python环境（用于运行raglite）
• 有足够的磁盘空间存储向量数据

第一步：安装知识库技能

你：安装raglite和knowledge技能

OpenClaw会回答：

正在安装 raglite...✅ raglite 安装成功正在安装 knowledge...✅ knowledge 安装成功✅ 知识库技能安装完成

原理：raglite提供向量搜索能力，knowledge提供知识库管理界面，两者结合实现智能知识检索。

第二步：初始化向量数据库

你：初始化向量数据库

OpenClaw会回答：

# 创建知识库目录mkdir -p ~/.openclaw/workspace/knowledge# 初始化raglite配置cat > ~/.openclaw/workspace/knowledge/config.yaml << 'EOF'vector_store:  type: "chroma"  # 使用Chroma向量数据库  persist_directory: "./chroma_db"embedding:  model: "text-embedding-3-small"  # OpenAI嵌入模型  api_key: "${OPENAI_API_KEY}"retriever:  top_k: 5  # 每次检索返回5个最相关结果EOF# 创建初始知识库cat > ~/.openclaw/workspace/knowledge/README.md << 'EOF'# 个人知识库这是一个使用OpenClaw + raglite构建的个人知识库。## 使用方式1. 添加文档：将文档放入 knowledge/documents/ 目录2. 索引文档：运行索引脚本3. 搜索知识：通过OpenClaw搜索## 目录结构- documents/ - 原始文档- chroma_db/ - 向量数据库- config.yaml - 配置文件EOF✅ 向量数据库初始化完成

原理：向量数据库将文本转换为数学向量，通过向量相似度实现语义搜索。

第三步：配置知识库索引

你：配置知识库自动索引

OpenClaw会回答：

# 创建知识库索引脚本cat > ~/.openclaw/workspace/knowledge/index.sh << 'EOF'#!/bin/bashcd ~/.openclaw/workspace/knowledge# 安装依赖pip install chromadb openai# 创建Python索引脚本cat > index_documents.py << 'PYEOF'import osimport chromadbfrom chromadb.utils import embedding_functions# 初始化Chroma客户端client = chromadb.PersistentClient(path="./chroma_db")# 创建或获取集合collection = client.get_or_create_collection(    name="knowledge_base",    embedding_function=embedding_functions.OpenAIEmbeddingFunction(        api_key=os.environ.get("OPENAI_API_KEY"),        model_name="text-embedding-3-small"    ))# 索引文档documents_dir = "./documents"for filename in os.listdir(documents_dir):    if filename.endswith(('.md', '.txt', '.pdf')):        filepath = os.path.join(documents_dir, filename)        with open(filepath, 'r', encoding='utf-8') as f:            content = f.read()        # 添加到向量数据库        collection.add(            documents=[content],            metadatas=[{"source": filename, "type": "document"}],            ids=[filename]        )        print(f"✅ 已索引: {filename}")print(f"🎉 知识库索引完成，共索引 {len(os.listdir(documents_dir))} 个文档")PYEOF# 执行索引python index_documents.pyecho "✅ 知识库索引配置完成"EOFchmod +x ~/.openclaw/workspace/knowledge/index.sh✅ 知识库自动索引已配置

原理：索引脚本将文档内容转换为向量并存储到Chroma数据库中，支持快速语义搜索。

第四步：配置知识库搜索

你：配置知识库搜索功能

OpenClaw会回答：

# 创建知识库搜索脚本cat > ~/.openclaw/workspace/knowledge/search.sh << 'EOF'#!/bin/bashcd ~/.openclaw/workspace/knowledgequery="$1"cat > search_knowledge.py << 'PYEOF'import osimport sysimport chromadbfrom chromadb.utils import embedding_functions# 获取查询参数query = sys.argv[1] if len(sys.argv) > 1 else ""# 初始化Chroma客户端client = chromadb.PersistentClient(path="./chroma_db")collection = client.get_collection("knowledge_base")# 执行搜索results = collection.query(    query_texts=[query],    n_results=5)print(f"🔍 搜索: {query}")print("=" * 50)for i, (doc, meta) in enumerate(zip(results['documents'][0], results['metadatas'][0])):    print(f"{i+1}. {meta['source']}")    print(f"   相关度: {results['distances'][0][i]:.3f}")    print(f"   内容: {doc[:200]}...")    print()PYEOF# 执行搜索python search_knowledge.py "$query"EOFchmod +x ~/.openclaw/workspace/knowledge/search.sh# 创建OpenClaw搜索命令别名echo 'alias search-knowledge="~/.openclaw/workspace/knowledge/search.sh"' >> ~/.zshrc✅ 知识库搜索功能已配置现在你可以使用 "search-knowledge [关键词]" 搜索知识库

原理：搜索脚本将查询转换为向量，在向量数据库中查找最相似的文档。

日常使用

场景1：添加新文档

你："添加文档到知识库" OpenClaw会：指导你将文档放入knowledge/documents/目录并运行索引

场景2：搜索知识

你："搜索知识库中的[关键词]" OpenClaw会：返回最相关的5个文档片段

场景3：批量索引

你："更新知识库索引" OpenClaw会：重新索引所有文档，更新向量数据库

场景4：知识问答

你："根据知识库回答[问题]" OpenClaw会：从知识库检索相关信息并生成回答

常见问题

Q1: OpenAI API Key错误

解决步骤：

1. 你：检查OpenAI API Key
2. OpenClaw会：echo $OPENAI_API_KEY（确认环境变量）

原因：需要有效的OpenAI API Key才能使用text-embedding-3-small模型（也可使用国内代理）

Q2: Chroma数据库连接失败

解决步骤：

1. 你：检查Chroma数据库
2. OpenClaw会：ls -la ~/.openclaw/workspace/knowledge/chroma_db/

原因：数据库文件损坏或权限问题

Q3: 索引文档失败

解决步骤：

1. 你：检查文档格式
2. OpenClaw会：file ~/.openclaw/workspace/knowledge/documents/*

原因：文档编码格式不支持或文件损坏

效果实现

✅ 向量知识库 - 使用Chroma向量数据库存储知识✅ 语义搜索 - 基于内容相似度而非关键词匹配✅ 自动索引 - 支持批量文档索引和更新✅ 自然语言查询 - 用自然语言搜索知识库✅ 本地存储 - 所有数据存储在本地，保护隐私

快速命令参考

教程版本: v1.0启明AI实验室