Auto-sync: 2026-04-27 20:02

wiki/sources/knowledge-base-rag.md

@@ -1,48 +1,42 @@
----
-title: "Personal Knowledge Base (RAG)"
-type: source
-tags: []
-date: 2026-04-22
----
-
-## Source File
-- [[Agent/usecases/knowledge-base-rag]]
-
-## Summary（用中文描述）
-- 核心主题：AI Agent 驱动的个人知识库 RAG 系统，实现"零摩擦保存、语义检索"的工作流
-- 问题域：书签堆积却无法找到所需内容——阅读的文章、推文、视频随时间遗忘
-- 方法/机制：
-  - 通过 Telegram Topic 或 Slack Channel 一键摄取引擎（URL 自动抓取网页/推文/YouTube 字幕/PDF）
-  - Embedding 向量化存储，支持语义搜索（"我保存的关于 LLM memory 的内容？"）
-  - 集成 OpenClaw knowledge-base skill，工作流间自动查询知识库
-- 结论/价值：**捕获像发短信一样简单，检索像搜索一样容易**，无需专用 App
-
-## Key Claims（用中文描述）
-- 个人知识积累面临"阅读多、保存多、找到难"的困境
-- 通过 Telegram/Slack 直接投递 URL，自动解析内容并索引至知识库
-- 语义搜索超越关键词匹配，返回排名结果并附带来源引用
-- 知识库可被其他工作流（如视频选题流水线）主动调用
-
-## Key Quotes
-> "You read articles, tweets, and watch videos all day but can never find that one thing you saw last week. Bookmarks pile up and become useless." — 痛点描述
-
-## Key Concepts
-- [[Knowledge-Base-RAG]]：Retrieval-Augmented Generation，个人知识库的核心架构，详见 [[Knowledge-Base-RAG]] 概念页
-- [[Zero-Friction-Capture]]：零摩擦捕获——任何内容只需发消息即可入库，无需切换 App
-- [[Semantic-Search]]：基于 Embedding 向量相似度的语义检索，而非关键词匹配
-- [[Content-Ingestion]]：URL 内容自动解析与分块（Chunking）入库
-
-## Key Entities
-- [[OpenClaw]]：多 Agent 框架，提供 `knowledge-base` skill 实现 RAG 工作流
-- [[ClawHub]]：OpenClaw Skill 市场，knowledge-base skill 的分发来源
-- [[Telegram]]：知识库投递入口（Topic 路由）
-- [[Slack]]：知识库投递入口（Channel）
-
-## Connections
-- [[Second Brain]] ← extends ← [[Knowledge-Base-RAG]]：个人知识库 RAG 是 Second Brain 的检索底层
-- [[YouTube-Content-Pipeline]] ← queries ← [[Knowledge-Base-RAG]]：视频选题工作流自动查询知识库避免重复选题
-- [[Pre-Build-Idea-Validator]] ← queries ← [[Knowledge-Base-RAG]]：项目启动前查询知识库确认是否已做过类似项目
-- [[Content-Ingestion]] ← supports ← [[Semantic-Search]]：内容被抓取才能被搜索
-
-## Contradictions
-- 暂无发现与其他 Wiki 页面的内容冲突
+---
+title: "Personal Knowledge Base (RAG)"
+type: source
+tags: []
+date: 2026-04-27
+---
+
+## Source File
+- [[Agent/usecases/knowledge-base-rag.md]]
+
+## Summary（用中文描述）
+- 核心主题：构建可搜索的个人知识库，从所有保存的内容（文章/Tweet/YouTube 视频/PDF）中自动摄取并支持语义检索
+- 问题域：阅读了大量文章、视频和 Tweet，却永远找不到上周看到的那条内容；书签堆积变得毫无用处
+- 方法/机制：通过 Telegram Topic 或 Slack Channel 接收 URL → 自动抓取内容（文章/Tweet/YouTube 字幕/PDF）→ 语义索引入库 → 支持自然语言提问检索 → 可供其他工作流（如视频创意流水线）查询
+- 结论/价值：**捕获像发短信一样简单，检索像搜索一样简单**；零摩擦摄入 + 语义搜索是解决"知识黑洞"的核心
+
+## Key Claims（用中文描述）
+- Telegram Topic 或 Slack Channel 可作为个人知识库的零摩擦摄入入口，用户直接发 URL 即可
+- 语义搜索（Semantic Search）使"我存了什么关于 LLM 记忆的内容？"这类自然语言查询成为可能，返回带来源和摘要的排序结果
+- 知识库可作为其他 AI 工作流的检索后端——如视频创意流水线在构建研究卡片时自动查询相关已存内容
+
+## Key Quotes
+> "You read articles, tweets, and watch videos all day but can never find that one thing you saw last week. Bookmarks pile up and become useless." — 痛点描述
+
+## Key Concepts
+- [[Semantic Search]]：基于语义向量相似度的搜索，而非关键词匹配，实现自然语言查询已存内容
+- [[RAG]]（Retrieval-Augmented Generation）：将外部知识库检索与 LLM 生成结合，提升回答的上下文相关性
+- [[Knowledge Base]]：集中存储、结构化索引、可按需检索的个人或组织知识集合
+
+## Key Entities
+- [[OpenClaw]]：AI Agent 框架，驱动整个 KB 摄取和检索流程（fetch 内容 → 索引 → 查询响应）
+- [[Telegram]]：作为摄取入口的即时通讯平台，用户发 URL 到专属 Topic 触发自动摄入
+- [[Slack]]：Telegram 的替代摄取入口，通过 Channel 实现相同功能
+
+## Connections
+- [[Second Brain]] ← 理念同源 ← [[Personal Knowledge Base (RAG)]]
+- [[养虾日记3]] ← 受启发于 ← [[Personal Knowledge Base (RAG)]]
+- [[custom-morning-brief]] ← 可查询 ← [[Personal Knowledge Base (RAG)]]
+- [[semantic-memory-search]] ← 技术基础 ← [[Personal Knowledge Base (RAG)]]
+
+## Contradictions
+- 与 [[Second Brain]] 的摄入方式：[[Second Brain]] 侧重对话内捕获（发短信"Remind me..."），[[Personal Knowledge Base (RAG)]] 侧重 URL 链接的直接摄入——两者摄入路径不同，可互补而非冲突