43 lines
2.7 KiB
Markdown
43 lines
2.7 KiB
Markdown
---
|
||
title: "Personal Knowledge Base (RAG)"
|
||
type: source
|
||
tags: []
|
||
date: 2026-04-27
|
||
---
|
||
|
||
## Source File
|
||
- [[raw/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
|