Token导航 LogoToken导航

Agent Skill · 研究检索

huo15-openclaw-openai-knowledge-base(huo15 OpenClaw OpenAI 知识 base)

用于搭建或维护带检索增强的 RAG 工作流,适合让 Agent 处理知识库问答、向量检索、来源引用和事实核查。它可以辅助整理数据接入、Embedding、向量库、召回参数和回答生成流程。使用时需要确认数据来源、更新频率、召回阈值和引用展示方式,避免把未命中的资料或过期内容包装成确定事实。

huo15-openclaw-openai-knowledge-base 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 14,963。

总安装 8,176周安装 334GitHub Stars 公开资料未说明下载 2,645核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.7.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:huo15-openclaw-openai-knowledge-base(huo15 OpenClaw OpenAI 知识 base)
来源仓库:https://github.com/zhaobod1/huo15-openclaw-openai-knowledge-base
安装命令:
openclaw skills install huo15-openclaw-openai-knowledge-base
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install huo15-openclaw-openai-knowledge-base

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

基于 Karpathy LLM Knowledge Bases 方案,用于搭建和维护带检索增强的 RAG 工作流。适合处理知识库问答、向量检索、来源引用和事实核查等任务。支持多源数据接入、Embedding 向量化、知识图谱构建及双作用域管理。

安装命令:openclaw skills install huo15-openclaw-openai-knowledge-base。使用时需确认数据来源、更新频率和召回阈值,避免将未命中内容包装为确定事实。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install huo15-openclaw-openai-knowledge-base;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

huo15-openclaw-openai-knowledge-base 怎么安装?

在终端执行 openclaw skills install huo15-openclaw-openai-knowledge-base。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

huo15-openclaw-openai-knowledge-base 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

huo15-openclaw-openai-knowledge-base 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

huo15-openclaw-openai-knowledge-base 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

huo15-openclaw-openai-knowledge-base 用的人多吗?

公开数据是累计安装 8,176 次,近一周安装 334 次,下载 2,645 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

huo15-openclaw-openai-knowledge-base 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
huo15-openclaw-openai-knowledge-base

huo15 OpenClaw OpenAI 知识 base · 本页

8,176—需要联网MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
huo15-openclaw-openai-knowledge-base
displayName
火一五知识库技能
description
基于 Karpathy LLM Knowledge Bases 方案。raw → LLM编译 → wiki,LLM 当 librarian 维护双链/索引/日志/合成式问答,支持 Obsidian 同步、知识图谱、微信公众号/GitHub 多源入库,以及 agent/shared 双作用域。触发词:知识库、入库、查询、编译、提问、知识图谱。
version
2.7.0
aliases
dependencies
obsidian-cli
description
可选,用于 Obsidian vault 搜索
install
brew install yakitrak/yakitrak/obsidian-cli
safety
virus_total_note
无硬编码凭证,凭据从 OpenClaw models.json 运行时加载

SKILL.md — huo15-knowledge-base

基于 Karpathy LLM Knowledge Bases 方案:raw → LLM编译 → wiki 双作用域: - agent(默认):~/.openclaw/agents/{agent-id}/agent/kb/ — 每个 Agent 独立,互不可见 - shared:~/.openclaw/kb/shared/ — 跨 Agent 共享;通过 @huo15/openclaw-enhance 并入龙虾原生 memory_search(corpus=\"kb\")

核心脚本(Karpathy LLM Librarian 模式)

脚本做什么成功标准
kb-ingest文档入库(URL/文件/文本/微信公众号/GitHub);自动写日志raw/ 下文件存在 + log.md 追加一条
kb-compileLLM 编译 raw → wiki;外置 prompt + 注入 SCHEMA + 现有 wiki 列表;编译后自动重建 index.md + logwiki/ 下 .md 生成 + index.md 更新
kb-ask合成式问答:候选页 → LLM → 带 [[]] 引用的答案;可 --save 把答案归档为新条目("explorations compound")终端输出答案 + log 一条
kb-search关键词搜索(默认聚合 agent+shared+obsidian)搜索结果返回
kb-index扫 wiki/,按 concepts 分组生成 wiki/index.md(每次 compile 自动跑)index.md 重写
kb-log追加日志到 wiki/log.md(事件: ingest/compile/ask/lint)log.md 末尾多一行
kb-lint体检:frontmatter / 断链 / stub / orphan / stale / 缺出处报告问题数 + log 一条
kb-graph知识图谱可视化(Mermaid)kb/wiki/graph.mermaid 生成

Wiki 内特殊文件(由脚本维护,不要手改):

  • wiki/SCHEMA.md — 给 LLM 看的图书馆员守则(首次激活时种入)
  • wiki/index.md — 自动生成的内容目录
  • wiki/log.md — 追加式变更日志

所有写入类脚本均支持 --scope agent|shared(或 --shared 快捷),默认 agent。obsidian-sync 额外支持 --all-scopes 一次同步两层。


快速开始

# Agent 私有(默认)
kb-ingest --url "https://..."                        # 入库到当前 Agent
kb-compile                                             # 编译(自动调 LLM + 自动重建 index)
kb-ask "什么是 Karpathy Wiki Pattern"                 # 合成式问答(带 [[]] 引用)
kb-ask "如何判断条目该归档为 shared" --save           # 把答案归档为新 wiki 条目
kb-search "关键词"                                      # 关键词搜索:agent + shared + Obsidian

# 跨 Agent 共享(长期、稳定的知识资料)
kb-ingest --scope shared --url "https://..."          # 入库到共享库
kb-compile --scope shared                              # 编译共享库
kb-ask --shared "..."                                  # 共享库问答

# 体检 / 索引 / 日志
kb-lint                                                # 体检:断链/stub/orphan/stale/缺出处
kb-index                                               # 重建 index.md(compile 时自动跑,单独跑可手动重建)
kb-log --tail 20                                       # 看最近 20 条变更日志

# 特殊源
kb-ingest --source wechat --url "https://mp.weixin.qq.com/s/..."  # 微信公众号
kb-ingest --source github --url "https://github.com/user/repo"     # GitHub README
kb-graph                                               # 生成知识图谱(Mermaid)

架构

agent scope(隔离):~/.openclaw/agents/{id}/agent/kb/
shared scope(共享):~/.openclaw/kb/shared/
  ├─ raw/     原始文档(按日期分目录,status: pending/ready)
  ├─ wiki/    LLM 编译后的百科(Markdown,双向链接)
  │          graph.mermaid(知识图谱)
  └─ cache/   临时文件

可选: wiki/ → Obsidian vault(知识库/ 文件夹)

与 @huo15/openclaw-enhance 的协作

层存什么入口
L1 龙虾原生 memory向量+FTS 底座memory_search / memory_get
L2 enhance 结构化记忆短条目「规则/为什么/怎么做」(per-agent)enhance_memory_* 工具
L3 本技能 shared KB长文档「事实/资料」(跨 agent)kb-* 脚本;通过 corpus=\"kb\" 被 memory_search 搜到

边界原则:短规则 → L2;长资料 → L3 shared;agent 私有实验性知识 → L3 agent。


Obsidian 集成

config.json 配置:

{
  "obsidian": {
    "enabled": true,
    "vault_path": "/Users/xxx/Documents/我的笔记"
  }
}

kb-search 自动搜索 wiki/ + Obsidian vault(如果启用)。

同步命令:

obsidian-sync.sh                     # 默认同步 agent scope → vault/知识库/agent/
obsidian-sync.sh --shared            # 同步 shared scope → vault/知识库/shared/
obsidian-sync.sh --all-scopes        # 两层一起同步(分别入独立子目录)
obsidian-sync.sh --dry-run --all-scopes  # 预览
obsidian-sync.sh --watch --all-scopes    # 监听两层的变化

Vault 布局:

vault/知识库/
├── agent/    ← 本 Agent 私有 wiki
└── shared/   ← 跨 Agent 共享 wiki

触发词

  • "知识库"、"入库知识库"、"查询知识库"
  • "编译知识库"、"激活知识库"
  • "提问知识库"、"问答知识库"、"kb-ask"
  • "知识库体检"、"kb-lint"、"断链"、"孤儿条目"、"stub"
  • "Obsidian 同步"
  • "知识图谱"、"图谱可视化"、"kb-graph"
  • "共享知识库"、"跨 Agent 知识库"、"shared kb"

Karpathy Librarian 模式(v2.6.0)

设计参照 Karpathy LLM Wiki gist。LLM 不只是"翻译器",而是全职图书馆员:

  • 三层架构:raw/(只读素材) · wiki/(LLM 维护的百科) · wiki/SCHEMA.md(守则)
  • 原子条目:一个 wiki 页 = 一个概念,不是"一篇文章一页"
  • 强双链:第一次提到其他条目必须 [[]],断链由 lint 报告
  • 三件套:index.md(目录)+ log.md(变更日志)+ SCHEMA.md(守则)由系统/LLM 共同维护
  • 合成式问答:kb-ask 不只是 grep,是 LLM 综合多页给带引用的答案
  • explorations compound:kb-ask --save 把答案归档回 wiki,下次问同类问题更快

Schema 升级包(v2.7.0)— 对齐 LLM Wiki v2 / OmegaWiki

借鉴 rohitg00 LLM Wiki v2 + OmegaWiki 的 typed graph 设计。纯约定升级,向后兼容——老 wiki 不必改也能用。

  • Typed Relations:frontmatter relations: 字段把 [[]] 升级成有类型的图边

- 枚举:uses / depends-on / extends / part-of / contradicts / supersedes / superseded-by / related - 正文 [[]] 保持 Wikipedia 风格,关系类型只在 frontmatter

  • Confidence + Supersession:每条 wiki 现在带可信度(0.0-1.0)

- 高信度(≥0.9)才能 status: stable - 低信度(<0.5)必须 <!-- TODO --> 注释 - 新事实推翻旧事实 → supersedes / superseded-by 双向标注,不删旧条目(保留证据链)

  • kb-graph typed edges:Mermaid 图按关系类型用不同箭头(-->/==>/-.->)
  • kb-lint 新增检查:未知关系类型、supersession 不对称、contradicts 单向、低信度无 TODO、高信度非 stable
  • kb-index 信号:✅ 高信度 / 🟡 低信度 / ⚡ 已被取代 / 🚧 stub
  • kb-ask 优先级:先采信高 confidence,看到 superseded-by 自动跳新页

平台分布

OpenClaw

93.93%
按下载量换算2,484

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills