← Back to Skills Marketplace
zhaobod1

Huo15 Openclaw Openai Knowledge Base

by Job Zhao · GitHub ↗ · v2.7.0 · MIT-0
cross-platform ⚠ suspicious
264
Downloads
0
Stars
0
Active Installs
12
Versions
Install in OpenClaw
/install huo15-openclaw-openai-knowledge-base
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、...
README (SKILL.md)

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 agentobsidian-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

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 compoundkb-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(\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)
  • 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
Usage Guidance
要点与建议: - 这个技能会读取你的 OpenClaw 配置文件(models.json)并用其中配置的 provider+API key 向该 provider 发起 HTTP 请求,把要编译的 raw 文档文本发送到远端 LLM。只在你信任已配置的 LLM 提供者并且确认不上传敏感内容时才使用 kb-ingest/kb-compile。 - 脚本隐含需要 node、python3、可选的 obsidian-cli、可选的 fswatch 等二进制,但 registry 元数据没有声明这些依赖。安装前请确保主机有这些二进制或修改脚本以符合你的环境。 - 脚本会在 ~/.openclaw/agents/... 和 ~/.openclaw/kb/shared/ 写入/创建文件和配置;obsidian-sync 有可能把文件复制到你的 Obsidian vault。若不希望外发或同步到 vault,先在 skill 根目录的 config.json 或运行 obsidian-sync.sh 时禁用或设置 obsidian.enabled=false。 - 推荐的安全步骤:在受控环境(或测试 Agent)中先手动审阅并以非特权用户运行 activate/compile;检查 models.json 中 provider 的 baseUrl 和凭据来源;不要将敏感/机密文档入库,或在入库前移除敏感部分;如不信任外部 provider,可配置本地/private provider 或禁用 kb-llm 的网络调用。 - 注意脚本提供的 install-all-agents.sh 能批量初始化所有 agent 的 KB,只有在你明确需要并具有权限时才运行。
Capability Analysis
Type: OpenClaw Skill Name: huo15-openclaw-openai-knowledge-base Version: 2.7.0 The skill bundle implements a sophisticated knowledge management system based on the Karpathy LLM Librarian pattern, facilitating document ingestion, LLM-driven wiki compilation, and Obsidian synchronization. The scripts (Bash and Python) use standard libraries and follow OpenClaw's security conventions by loading API credentials from the local 'models.json' rather than hardcoding them. No evidence of data exfiltration, persistence mechanisms, or malicious prompt injection was found; the instructions in SKILL.md and SCHEMA.md are strictly focused on maintaining the structural integrity and 'atomic' nature of the knowledge base.
Capability Tags
requires-sensitive-credentials
Capability Assessment
Purpose & Capability
技能名称、描述和大量脚本(kb-llm.py、kb-*- 脚本、obsidian-sync 等)一致地实现了 Karpathy 风格的本地知识库:抓取原始文档、用 LLM 编译成 wiki、维护 index/log、同步到 Obsidian。请求访问 ~/.openclaw/*、Obsidian vault、以及对本地文件读写也符合其目的。唯一不一致点是文档和 README 声称“Python 标准库为主”,但一些脚本(bootstrap-from-questionnaire.sh)使用 node -e;且元数据未列出必需的本地二进制(node、python3、obsidian-cli、fswatch 等)。
Instruction Scope
运行时指令和脚本会读取/写入用户主目录下的 OpenClaw agent 目录 (~/.openclaw/agents/...), shared KB 路径 (~/.openclaw/kb/shared/),以及(可选)Obsidian 配置/ vault 路径(~/Library/Application Support/obsidian/obsidian.json 或用户指定 vault_path)。kb-llm.py 会读取 models.json(包含已配置的 LLM 提供者 baseUrl 和 API key 字段)并将 prompt + 文档内容 POST 到该 provider——也就是会把你入库的原始文档内容发送到外部 LLM 提供者。若原始文档包含敏感数据,这可能导致泄露。脚本还包含可批量为所有 agent 初始化 KB 的工具(install-all-agents.sh),若由具有权限的进程无差别执行会影响多 agent 数据目录。
Install Mechanism
技能是“instruction-only”没有外部下载或 archive install spec,代码随技能包提供(几乎都是本地 shell + Python 脚本),因此没有网络下载安装的高风险步骤。这降低了供应链风险。需要注意的是脚本隐含依赖本地二进制(python3、node、obsidian-cli、fswatch),但这些并未在 registry 元数据的 required binaries 中声明——这是一处不一致。
Credentials
注册表没有声明需要任何环境变量或凭证,但脚本明确会读取 OpenClaw 配置(models.json)以加载 LLM provider 的 baseUrl 与 API key(不是通过显式 env var,而是从磁盘上的配置文件加载)。对于一个 LLM 编译知识库,这种访问是合理/必要的;但意味着任何被入库的文件会被发送到该 provider,并使用该 provider 的凭据。技能并不要求无关第三方凭证。
Persistence & Privilege
技能没有设置 always:true,也不修改其他技能的配置。提供了 activate/install-all-agents 脚本来在多个 agent 目录中创建 KB 目录和配置,脚本会写入 ~/.openclaw 下的 agent/shared kb 数据目录(这是预期行为),但若在有多个 agent 的环境中无意执行,可能大范围创建/修改用户文件。自动化调用(默认允许)结合本地读写与网络调用会扩大影响面,注意授予权限时评估上下文。
How to Use
  1. Make sure OpenClaw is installed (local or Docker)
  2. Run the install command in chat: /install huo15-openclaw-openai-knowledge-base
  3. After installation, invoke the skill by name or use /huo15-openclaw-openai-knowledge-base
  4. Provide required inputs per the skill's parameter spec and get structured output
Version History
v2.7.0
Schema 升级包: typed relations (uses/depends-on/extends/part-of/contradicts/supersedes/related) + confidence (0.0-1.0) + supersession 双向标注;kb-lint 加 4 项 v2.7 检查;kb-graph Mermaid typed arrows;kb-index 信号标。对齐 LLM Wiki v2 / OmegaWiki。向后兼容,老 wiki 不必改。
v2.6.1
Karpathy librarian 模式: kb-ask 合成式问答 + kb-index/kb-log/wiki SCHEMA 三件套 + kb-lint 增加 stub/orphan/stale/缺出处检测 + 外置 compile prompt(per-concept 不是 per-source)
v2.5.0
首次发布:Karpathy LLM Knowledge Bases 方案 · raw→LLM编译→wiki · Obsidian 同步 · 知识图谱 · agent/shared 双作用域
v2.6.0
Summary: Adds shared knowledge base support and enhanced Obsidian integration. - 新增 shared(跨 Agent 共享)与 agent(私有)双层知识库作用域,全部 ingest/compile/graph/lint/sync/obsidian-sync 脚本支持 `--scope` 切换 - Obsidian 同步支持 agent+shared 分别同步与批量同步 - `kb-search` 默认聚合搜索 agent、shared、Obsidian - 增加 shared scope 用于存储长期、稳定的全局知识资料,支持通过 @huo15/openclaw-enhance 被龙虾原生 `memory_search` 聚合 - 文档与脚本用法全面更新,含快速开始与架构说明 - 新增 kb-scope.sh 辅助脚本
v2.4.2
v2.4.2 同步本地修订。(本地 _meta.json slug 之前写错为 huo15-knowledge-base,本次修正。)
v2.4.1
- Added aliases to support alternative names: 火一五知识库, 火一五知识库技能, 卡帕西知识库. - No functional or behavioral changes; documentation updated only.
v2.4.0
- 新增知识图谱(kb-graph)功能,支持Mermaid格式可视化链接关系。 - 入库功能扩展,支持微信公众号和GitHub多源内容采集。 - 更新脚本说明,核心脚本从3个增加至4个,覆盖知识图谱生成。 - 触发词新增“知识图谱”、“图谱可视化”、“kb-graph”,便于相关功能唤起。 - 更新描述与快速开始示例,包含新功能和使用方式。
v2.3.0
Version 2.3.0 - 精简结构,大幅简化文档,移除冗余说明和脚本 - 只保留核心脚本(kb-ingest、kb-compile、kb-search),弱化对 memory-evolution 桥接等辅助命令的描述 - 完善 Obsidian 集成方法,新增 config.json 示例 - 精简依赖说明,obsidian-cli 变为可选 - 安全信息更简明(无硬编码凭证说明)
v2.2.1
依赖 ClawHub obsidian 技能
v2.2.0
huo15-openclaw-openai-knowledge-base v2.2.0 - Updated metadata and documentation in SKILL.md and _meta.json. - No functional or code changes; documentation and version alignment only.
v0.9.1
v0.9.1 is a minor update. - 更新版本号为 0.9.1,未引入功能或界面变更 - 文档与元数据保持不变,仅做版本递进
v0.9.0
Version 0.9.0 brings several improvements and fixes to the 火一五知识库技能: - Fixed 7 bugs for stability and performance. - Introduced automated knowledge base linting (kb-lint) for health checks. - Enhanced and completed metadata in documentation. - Improved and expanded documentation for easier onboarding and usage.
Metadata
Slug huo15-openclaw-openai-knowledge-base
Version 2.7.0
License MIT-0
All-time Installs 0
Active Installs 0
Total Versions 12
Frequently Asked Questions

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.

💬 Comments