---
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