OpenClaw 小龙虾真实案例
个人知识库（RAG）：再也不会找不到上周看过的那篇文章
将你收藏的文章、推文、视频自动入库，支持语义搜索，打造可检索的个人知识库。
awesome-openclaw-usecases2026-03-093 min read
知识管理自动化AI Agent
你每天刷文章、看推文、看视频，但永远找不到上周看过的那个东西。书签越收越多，最后变成了摆设。
这套工作流会把你保存的所有内容构建成一个可搜索的知识库：
- 把任意 URL 丢到 Telegram 或 Slack，它就会自动抓取内容入库（文章、推文、YouTube 字幕、PDF）
- 对所有收藏内容进行语义搜索："我之前存过关于 Agent 记忆的什么内容？"——返回按相关度排序的结果和来源
- 可以接入其他工作流——比如视频创意流水线在构建选题卡时，会自动从知识库中查询相关的收藏内容
需要的技能
- knowledge-base 技能（或自己用向量嵌入构建 RAG 系统）
web_fetch（内置）- Telegram 话题或 Slack 频道用于内容输入
如何配置
- 从 ClawdHub 安装 knowledge-base 技能。
- 创建一个名为 "knowledge-base" 的 Telegram 话题（或使用一个 Slack 频道）。
- 给 OpenClaw 下达指令：
When I drop a URL in the "knowledge-base" topic:
1. Fetch the content (article, tweet, YouTube transcript, PDF)
2. Ingest it into the knowledge base with metadata (title, URL, date, type)
3. Reply with confirmation: what was ingested and chunk count
When I ask a question in this topic:
1. Search the knowledge base semantically
2. Return top results with sources and relevant excerpts
3. If no good matches, tell me
Also: when other workflows need research (e.g., video ideas, meeting prep), automatically query the knowledge base for relevant saved content.
- 丢几个 URL 进去测试一下，然后试着问问题，比如"我存过哪些关于 LLM 记忆的内容？"
本文翻译自 awesome-openclaw-usecases 开源项目。英文能力过得去的朋友欢迎阅读原版，体验原汁原味的表达。