什么是 Claw RAG？

Claw RAG 是一款轻量级且功能强大的工具，旨在弥合本地知识库与 AI 智能体之间的鸿沟。通过利用 Openclaw Skills，该工具可以扫描本地文本或 Markdown 文件目录，根据用户查询识别最相关的片段，并使用大语言模型 (LLM) 合成全面的答案。它对于需要查询内部文档、项目笔记或研究论文而无需手动搜索的开发人员特别有用，从而增强了 Openclaw Skills 在本地开发环境中的整体效用。

下载入口:https://github.com/openclaw/skills/tree/main/skills/metatronsdoob369/hk101-living-rag

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

Claw RAG 应用场景

• 针对本地代码库文档文件夹提出技术问题。
• 在大量的 Markdown 研究笔记中搜索特定主题。
• 自动从本地知识库检索信息以支持 AI 编码任务。
• 将本地上下文集成到更广泛的 Openclaw Skills 工作流中，以便做出更好的决策。

1. 用户提供搜索查询，并可选择指定包含文档的本地目录。
2. 技能扫描指定路径下的文本和 Markdown 文件进行索引。
3. 根据与用户查询的相似度识别相关片段并进行排序。
4. 检索前 'k' 个匹配项，作为 AI 的上下文。
5. 系统使用 LLM 根据检索到的上下文合成最终答案，并将其与源元数据一起返回，展示了 Openclaw Skills 的效率。

Claw RAG 配置指南

要在 Openclaw Skills 中使用此功能，请确保您的环境已配置必要的 API 凭据：

# 将您的 OpenAI API 密钥导出到环境中
export OPENAI_API_KEY='your_api_key_here'

# 确保您的文档位于目标目录中（默认为 ./docs）
mkdir -p ./docs

Claw RAG 数据架构与分类体系

该技能处理输入并返回结构化数据，以确保与其他 Openclaw Skills 的兼容性：

claw-rag

Simple RAG over local text/markdown.

Inputs

• query (string): question to answer.
• docsPath (string, optional): folder of docs (default ./docs relative to CWD).
• k (number, optional): number of top matches (default 3).

Output

• answer: synthesized answer from matches.
• matches: [{path, score, snippet}...]

Requires: OPENAI_API_KEY in env.