要让OpenClaw用本地模型真正读懂知识库，必须打通向量嵌入、路径绑定、技能触发三条链路：先确认nomic-embed-text或glm-4.7-flash已就绪；再绑定知识库物理路径并验证；最后配置RAG技能并执行openclaw memory rebuild刷新索引。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让OpenClaw用本地模型真正读懂你自己的知识库，不能只装个模型就完事——必须打通向量嵌入、路径绑定、技能触发三条链路，缺一不可。
确认本地向量模型已就绪
执行 ollama list，检查输出中是否包含 nomic-embed-text 或 glm-4.7-flash。若无，请先运行 ollama pull nomic-embed-text；若你已部署GLM-4.7-Flash服务，需确保Docker容器正在运行且端口11434可访问。
【nomic-embed-text是OpenClaw官方推荐的默认嵌入模型，不建议跳过这步直接换其他模型】
绑定知识库物理路径
第一步：在非系统盘创建纯文本知识库目录，例如 D:\kb（Windows）或 ~/kb（macOS/Linux），仅放入 .md、.txt、.pdf、.docx 文件，单文件 ≤10MB。
第二步：打开终端，执行命令：openclaw memory set knowledge_base_path "D:\kb"（路径用双引号包裹，含空格也必须引起来）。
第三步：发送验证指令：“请确认知识库路径是否已保存”，OpenClaw返回值必须与你输入的路径完全一致，包括斜杠方向（Windows用反斜杠，macOS/Linux用正斜杠）。
配置RAG技能并启用检索逻辑
方法一：手动创建技能文件
OpenClaw 自我进化框架一键部署。安装宪法(AGENTS.md)、可进化灵魂(SOUL.md)、心跳系统、PARA三层记忆架构、目标管理，并通过场景化对话引导用户定义 Agent 性格。自动配置 EvoClaw（审批制进化）和 Self-Improving Agent（自主学习）。触发场景："setup o...
在 ~/.openclaw/workspace/skills/rag_kb 目录下新建 SKILL.md，内容严格按以下格式书写（大小写、缩进、空行均不可省略）：
---<br>name: rag_kb<br>description: 基于本地知识库的检索问答，优先返回事实内容<br>---<br>#RAG知识库技能<br>##触发条件<br>用户提问涉及知识库内容（如“汇报技巧”“数据模型”）时，必须调用<code>memory_search检索。
方法二：用内置指令初始化（仅限已启用LLM-Wiki结构的Obsidian底座）
若你的知识库基于Obsidian且已配置LLM-Wiki目录，可直接发送指令：“帮我初始化RAG知识库技能”，OpenClaw会自动创建对应skill并绑定raw→wiki编译规则。
【触发条件中的关键词必须与你知识库文档标题或正文高频词一致，否则无法激活检索】
强制刷新向量索引
执行命令：openclaw memory rebuild。该操作会扫描整个knowledge_base_path目录，用本地嵌入模型将所有文档转为向量，并存入内置ChromaDB。
等待终端输出“Index rebuilt successfully”后，即可测试提问。首次重建耗时取决于文档总字数，100页PDF可能需要2–5分钟。
