/install huo15-openclaw-openai-knowledge-base
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-compile |
LLM 编译 raw → wiki;外置 prompt + 注入 SCHEMA + 现有 wiki 列表;编译后自动重建 index.md + log | wiki/ 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
- 枚举:
- 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(\x3C0.5)必须
\x3C!-- 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)
- 高信度(≥0.9)才能
- 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
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install huo15-openclaw-openai-knowledge-base - After installation, invoke the skill by name or use
/huo15-openclaw-openai-knowledge-base - Provide required inputs per the skill's parameter spec and get structured output
What is Huo15 Openclaw Openai Knowledge Base?
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、... It is an AI Agent Skill for Claude Code / OpenClaw, with 264 downloads so far.
How do I install Huo15 Openclaw Openai Knowledge Base?
Run "/install huo15-openclaw-openai-knowledge-base" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is Huo15 Openclaw Openai Knowledge Base free?
Yes, Huo15 Openclaw Openai Knowledge Base is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does Huo15 Openclaw Openai Knowledge Base support?
Huo15 Openclaw Openai Knowledge Base is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created Huo15 Openclaw Openai Knowledge Base?
It is built and maintained by Job Zhao (@zhaobod1); the current version is v2.7.0.