- name
- water-knowledge-assistant
- description
- 水务设备知识库 AI 助手，提供设备查询、选型建议、参数对比等功能
- version
- 1.0.0
- author
- OpenClaw Team
- permissions
- triggers
- words
- ["液位计", "水尺", "流量计", "水质传感器", "选型", "参数", "对比", "询价", "说明书"]
- tools
- audit
- enabled
- true
- log_level
- info
- fields
- [timestamp, session_id, user_id, action_type, tool_name, input, output, risk_level, trace_id]
水务设备知识库 AI 助手
功能目标
1. 知识库问答
- 支持查询：液位计、水尺、流量计、水质传感器
- 数据来源：设备说明书、技术参数、选型指南、应用案例
- AI 优先使用 RAG 检索知识库，再生成答案
2. 设备选型建议
根据用户输入的工况信息（如：户外污水池、腐蚀性介质、量程10米、预算有限），提供：
- 工况分析
- 设备类型匹配
- 设备型号推荐
- 推荐理由
3. 技术参数查询
支持查询设备的详细技术参数，包括：
- IP等级
- 量程
- 精度
- 供电
- 通讯协议
4. 设备对比
支持对不同设备型号进行参数对比，生成对比表
5. 询价引导
当用户表达购买意向时，引导用户提供：
- 型号
- 数量
- 公司
- 联系人
- 电话
- 应用场景
并生成询价单草稿
6. 文档下载
当用户询问说明书、PDF、选型指南时，返回文档名称和下载路径
系统能力
1. 审计日志系统（三录）
- 操作录迹：记录用户输入、AI决策、工具调用
- 结果录存：记录检索结果、工具返回、生成报告、错误信息
- 可追溯：支持按时间戳、会话ID、用户ID等维度查询
- 日志格式：JSONL
2. 外部数据整理系统
- 支持从 D:\code\openclaw_lakeskill\outerfiles\ 读取知识库
- 支持文件类型：PDF、Markdown、TXT、DOCX
- 目标目录：D:\code\openclaw_lakeskill\files
- 增量处理：计算SHA256 hash判断是否更新
3. Tavily 实时更新
- 支持定时更新：每天凌晨3点（cron: 0 3 * * *）
- 支持按需更新：当用户问题包含"最新"、"最近"、"2026"、"今年"时触发
- 搜索参数：query、max_results、time_range、include_domains
- 结果处理：AI总结后以Markdown存入知识库并建立向量索引
使用指南
查询示例
- 知识库问答："液位计有哪些类型？"
- 设备选型："户外污水池，腐蚀性介质，量程10米，预算有限"
- 参数查询："RL-1000 的防护等级是多少？"
- 设备对比："对比 RL-1000 和 UL-200"
- 询价引导："我要买 RL-1000"
- 文档下载："RL-1000 的说明书在哪里？"
扩展说明
新增设备类型
- 在 references/device_types.md 中添加新设备类型
- 在 references/selection_rules.md 中添加选型规则
- 在 references/parameter_fields.md 中添加参数字段
新增数据源
- 在 config/paths.yaml 中配置新的数据源路径
- 在 scripts/knowledge_base_import.py 中添加新的文件类型支持
新增工具
- 在 SKILL.md 中添加新工具权限
- 在 scripts/ 目录下添加工具实现
- 在 config/ 目录下添加工具配置
安全规范
权限控制
- 仅能访问 D:\code\openclaw_lakeskill\outerfiles\ 和 D:\code\openclaw_lakeskill\
- 禁止访问系统目录和用户目录
错误处理
- 所有操作必须包含 try-catch
- 错误信息必须记录到审计日志
- 异常返回统一格式：{"error": true, "message": "错误信息"}
安装指南
1. 环境准备
硬件要求
- CPU: 4核以上
- 内存: 8GB以上
- 存储空间: 50GB以上
软件要求
- Python 3.8+
- Git
- OpenClaw Framework
2. 安装步骤
步骤1: 克隆项目
git clone <项目地址>
cd water-knowledge-assistant步骤2: 创建虚拟环境
# Windows
python -m venv venv
venv\Scripts\activate
# Linux/macOS
python3 -m venv venv
source venv/bin/activate步骤3: 安装依赖
pip install -r requirements.txt步骤4: 配置环境变量
创建 .env 文件并添加以下内容：
# OpenAI API Key（用于嵌入模型）
OPENAI_API_KEY=your-openai-api-key
# Tavily API Key（用于实时更新）
TAVILY_API_KEY=your-tavily-api-key步骤5: 配置路径
根据实际情况修改 config/paths.yaml 文件中的路径配置：
source_paths:
knowledge_base: D:\code\openclaw_lakeskill\outerfiles\ # 知识库源目录
workspace_paths:
root: D:\code\openclaw_lakeskill\ # 工作目录
knowledge_base: D:\code\openclaw_lakeskill\files\ # 知识库存储目录
vector_store: D:\code\openclaw_lakeskill\water-knowledge-assistant\vector_store\ # 向量存储目录3. 初始化
步骤1: 导入知识库
python scripts/knowledge_base_import.py步骤2: 构建向量索引
python scripts/vector_index_builder.py步骤3: 配置Cron任务（可选）
# 在Linux/macOS上
crontab -e
# 添加以下内容
0 2 * * * python /path/to/water-knowledge-assistant/scripts/knowledge_base_import.py
0 3 * * * python /path/to/water-knowledge-assistant/scripts/tavily_update.py
0 4 * * * python /path/to/water-knowledge-assistant/scripts/vector_index_builder.py
0 1 * * 0 python /path/to/water-knowledge-assistant/audit/log_cleanup.py
# 在Windows上使用任务计划程序创建类似的定时任务4. 部署到OpenClaw平台
步骤1: 打包Skill
# 创建zip包
zip -r water-knowledge-assistant.zip *步骤2: 上传到OpenClaw平台
- 登录OpenClaw平台
- 进入Skill管理页面
- 点击"上传新Skill"
- 选择打包好的zip文件
- 填写基本信息并提交
步骤3: 配置权限和触发器
- 在Skill详情页面配置权限
- 设置触发关键词
- 配置工具调用权限
5. 验证安装
执行以下命令验证安装是否成功：
# 测试知识库导入
python scripts/knowledge_base_import.py
# 测试向量索引构建
python scripts/vector_index_builder.py如果命令执行成功且没有错误信息，则安装完成。