OpenClaw搭建AI知识库全攻略

本文详细介绍了如何使用OpenClaw打造一个自主可控、持续演进的本地化AI知识库，涵盖从Obsidian知识底座绑定、LLM-Wiki结构化目录搭建、GLM-4.7-Flash本地嵌入模型部署，到RAG+图谱增强规则固化及飞书问答无缝接入的完整闭环，手把手教你构建具备语义理解、自动编译、跨端交互能力的下一代个人智能知识中枢——无需依赖云端API，数据完全私有，每一步都兼顾可追溯性与工程鲁棒性。

如果您希望利用OpenClaw构建一个可长期演进、具备语义理解能力的AI知识库，则需围绕数据沉淀、模型协同与自动化执行三个层面展开配置。以下是实现该目标的具体方法：

一、选择本地知识库底座并完成路径绑定

OpenClaw本身不直接存储原始文档，而是依赖外部结构化知识库作为数据源。Obsidian因其纯文本、Markdown原生支持及图谱可视化能力，成为最主流的本地底座选择。绑定路径后，OpenClaw可主动读取、解析并索引其中内容。

1、在非系统盘（如D:\obsidian_vault）新建Obsidian仓库，初始化空白知识库。

2、启动Obsidian，进入设置 → 核心插件 → 启用“文件与链接”及“标签”插件。

3、打开OpenClaw终端，执行命令：openclaw memory set knowledge_base_path "D:\\obsidian_vault"，完成绝对路径注册。

4、向OpenClaw发送指令：“请确认知识库路径是否已保存”，验证返回值是否匹配所设路径。

二、构建LLM-Wiki目录结构并启用自动编译

LLM-Wiki并非插件，而是一套强制性的目录规范，通过raw（只读原始区）与wiki（结构化产出区）分离，确保AI处理过程安全可控且可追溯。OpenClaw内置技能可一键生成该结构，并持续监听raw变更触发编译。

1、在Obsidian仓库根目录下手动创建llm-wiki文件夹。

2、在llm-wiki内分别新建raw和wiki两个子目录。

3、向OpenClaw发送指令：帮我初始化LLM-Wiki目录结构，确认其自动补全缺失文件及README说明。

4、发送指令：监听llm-wiki/raw目录，发现新文件时自动编译为wiki格式，启用后台监控服务。

三、配置嵌入模型与本地向量化服务

为实现中文语义精准召回，必须绕过通用云API，改用本地轻量模型完成嵌入（embedding）与检索。GLM-4.7-Flash是当前对中文技术文档支持最佳的开源嵌入模型，配合Ollama部署即可提供低延迟向量服务。

1、安装Docker Desktop后，执行：docker run -d --name glm-flash -p 11434:11434 ollama/glm:4.7-flash。

2、验证服务可用性：curl http://localhost:11434/api/generate -d'{ "model": "glm-4.7-flash", "prompt": "测试" }'，确认返回JSON响应。

3、编辑~/.openclaw/openclaw.json，在embedding字段中填入：{"provider": "custom", "model": "glm-4.7-flash", "api_base": "http://localhost:11434"}。

4、重启OpenClaw网关：openclaw gateway restart，使配置生效。

四、设定资料导入与问答行为规则

知识库效能取决于输入与输出的标准化程度。通过固化两条核心规则——“所有原始资料必须扔进raw”与“所有提问默认启用RAG+图谱增强”，可避免人工干预，形成稳定工作流。

1、将待入库的PDF、Markdown或网页导出文件统一拖入llm-wiki/raw目录。

2、向OpenClaw发送指令：请从llm-wiki/raw中提取所有技术术语并建立实体关系表，触发首次图谱构建。

3、在OpenClaw Memory中写入持久化指令：每次收到自然语言提问，优先检索wiki目录内容，辅以图谱关联节点扩展上下文。

4、测试提问：“我在2025年参与过哪些开源项目？”，观察是否返回wiki中已编译的结构化条目而非raw原文片段。

五、接入飞书知识问答实现跨端可问可答

本地知识库需对外提供免登录、可分享的问答接口，飞书知识问答是目前唯一支持零代码接入、免费额度充足、且与OpenClaw日志格式天然兼容的SaaS层出口。通过双向Webhook，可将飞书用户提问实时转发至OpenClaw执行，并将结果回传渲染。

1、访问ask.feishu.cn开通知识问答服务，创建名为“个人AI知识库”的新知识库。

2、在飞书知识库设置中，启用“自定义数据源”，选择“Webhook方式”，复制提供的回调URL。

3、在OpenClaw中执行：openclaw skill install feishu-webhook --url [粘贴URL]，完成通道绑定。

4、向飞书知识库上传一份测试文档，随后在飞书客户端直接提问，确认回复由OpenClaw本地模型生成并带来源标注。

文中关于openclaw的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《OpenClaw搭建AI知识库全攻略》文章吧，也可关注golang学习网公众号了解相关技术文章。