Enterprise Knowledge Base Manager

企业知识库管理。用户需要上传文档、添加知识、更新资料、删除文档、管理知识库、初始化系统时调用。同时支持业务问答：当用户提出业务问题、公司政策、流程规范等问题时，优先检索知识库后回答。

知识库管理系统 (KB Manager)

基于ChromaDB的本地知识库管理系统，支持多种文档格式的上传、管理和智能问答。

使用方法

对话式交互

• 发送文件并添加说明: "upload to kb" 或 "上传到知识库"
• 直接提问进行智能问答
• 支持格式: PDF, DOCX, TXT, MD

命令行使用

bash

# 进入对话模式
python main.py chat

# 上传文档
python main.py upload <文件路径> [文档名称]

# 查询知识库
python main.py query <查询内容>

# 列出文档
python main.py list

# 显示统计
python main.py stats

示例

上传文档

text

用户: [附件: 公司政策.pdf] 上传到知识库
助手: ✅ 文档上传成功！已处理 公司政策.pdf，创建了 45 个文档块。

智能问答

text

用户: 公司的休假政策是什么？
助手: 根据公司政策文档，休假政策包括：
- 年假：每年15天带薪年假
- 病假：每年10天带薪病假
- 远程办公：每周可远程2天

文档管理

text

用户: list kb documents
助手: 📚 知识库文档列表：
1. 公司政策.pdf (45 chunks)
2. 员工手册.docx (23 chunks)

🚀 快速开始

1. 安装依赖

bash

cd skills/kb-manager
pip install -r requirements.txt

2. 配置API密钥

方式一：环境变量

powershell

# DashScope (阿里云千问) - 推荐
$env:DASHSCOPE_API_KEY='your-dashscope-key'

# 或者 OpenAI
$env:OPENAI_API_KEY='your-openai-key'

方式二：OpenClaw配置文件 编辑 ~/.openclaw/openclaw.json:

json

{
  "skills": {
    "entries": {
      "kb-manager": {
        "enabled": true,
        "env": {
          "DASHSCOPE_API_KEY": "your-dashscope-key"
        },
        "config": {
          "embeddingProvider": "dashscope",
          "embeddingModel": "text-embedding-v3",
          "chunkSize": 500,
          "retrievalTopK": 5
        }
      }
    }
  }
}

3. 初始化系统环境

bash

# 首次使用时，初始化系统环境
python main.py setup

这个命令会：

• 创建系统级数据目录
• 初始化ChromaDB数据库
• 设置正确的权限
• 验证系统配置

4. 测试系统

bash

# 测试系统状态
python main.py stats

# 测试查询功能
python main.py query "测试查询"

📋 使用方法

上传文档

• 发送文件并添加说明: "upload to kb" 或 "上传到知识库"
• 支持格式: PDF, DOCX, TXT, MD
• 示例: [附件: 公司政策.pdf] 上传到知识库

智能问答

• 直接提问，系统会自动搜索相关文档
• 示例:
  • 公司的休假政策是什么？
  • 如何申请病假？
  • 远程办公的规定是什么？

文档管理

• python main.py list - 查看所有文档
• python main.py stats - 显示统计信息
• python main.py delete <文档ID> - 删除文档
• python main.py setup - 初始化系统环境

⚙️ 配置选项

在 config.json 或 OpenClaw 配置中设置:

json

{
  "embeddingProvider": "dashscope",
  "embeddingModel": "text-embedding-v3", 
  "embeddingBaseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "chunkSize": 500,
  "chunkOverlap": 50,
  "retrievalTopK": 5,
  "collectionName": "enterprise_kb",
  "vectorDimension": 1024
}

注意: 数据库路径和文档目录由系统自动管理，无需手动配置。

🏗️ 技术架构

• 向量数据库: ChromaDB (本地存储，无需Docker)
• 文档存储: 系统级目录 (自动配置)
• 向量存储: 系统级目录 (自动配置)
• 嵌入模型: DashScope text-embedding-v3 (1024维) 或 OpenAI
• 支持格式: PDF, DOCX, TXT, Markdown
• 分块策略: 可配置大小和重叠度
• 搜索算法: 余弦相似度

📁 系统数据目录

知识库数据存储在系统级固定目录中，所有skills自动共享：

Windows: C:/ProgramData/kb-data/ Linux/Mac: /usr/local/share/kb-data/ 或 ~/.local/share/kb-data/

text

kb-data/
├── chroma_db/     # 向量数据库
└── documents/     # 原始文档

这种设计的优势：

• 固定路径: 所有agent自动使用相同路径
• 无需配置: 不需要环境变量或符号链接
• 系统标准: 遵循操作系统标准目录结构
• 自动权限: 智能处理权限问题

🔧 故障排除

API密钥问题

bash

# 检查环境变量 (Windows)
echo $env:DASHSCOPE_API_KEY

# 检查环境变量 (Linux/Mac)  
echo $DASHSCOPE_API_KEY

# 设置API密钥 (Windows)
$env:DASHSCOPE_API_KEY='your-api-key'

# 设置API密钥 (Linux/Mac)
export DASHSCOPE_API_KEY='your-api-key'

# 测试API连接
python -c "import os; print('API Key:', os.getenv('DASHSCOPE_API_KEY', 'Not Set'))"

依赖安装问题

bash

# 重新安装依赖
pip install -r requirements.txt --force-reinstall

# 如果遇到grpcio问题，ChromaDB已默认配置无需Docker
pip install chromadb --upgrade

系统环境问题

bash

# 初始化系统环境
python main.py setup

# 检查系统状态和路径
python main.py stats

# 验证系统目录权限
python -c "from src.system_config import print_system_info; print_system_info()"

数据库问题

bash

# 系统会自动管理数据库，如需重置：
# 1. 备份重要文档
# 2. 删除系统目录 (需要管理员权限)
# 3. 重新初始化
python main.py setup

# 检查ChromaDB状态
python -c "from src.chroma_client import ChromaVectorDB; db = ChromaVectorDB(); print('DB Status:', db.get_collection_info())"

权限问题

bash

# Windows: 确保对 C:/ProgramData/ 有写权限
# Linux/Mac: 如果 /usr/local/share/ 无权限，会自动使用 ~/.local/share/

# 检查当前使用的路径
python -c "from src.system_config import get_system_kb_path; print('KB Path:', get_system_kb_path())"

📊 性能指标

• 处理速度: ~100页/分钟 (PDF)
• 搜索延迟: <500ms (本地向量搜索)
• 存储效率: ~1MB/1000页文档
• 支持规模: 10万+文档块

🌐 多Agent部署

部署架构

text

Agent A (管理员)          Agent B (用户)           Agent C (用户)
├── kb-manager           ├── kb-reader            ├── kb-reader  
│   ├── 上传文档          │   ├── 查询知识库        │   ├── 查询知识库
│   ├── 管理知识库        │   └── 浏览文档          │   └── 浏览文档
│   └── 系统维护          └── 只读访问              └── 只读访问
└── 系统级数据目录 ←──────────────┴─────────────────────┘
    C:/ProgramData/kb-data/ (Windows)
    /usr/local/share/kb-data/ (Linux/Mac)

部署步骤

1. 管理员Agent设置

bash

# 在管理员Agent上安装kb-manager
cd agent-admin/skills/
git clone <kb-manager-repo>
cd kb-manager
pip install -r requirements.txt

# 初始化系统环境
python main.py setup

# 上传初始文档
python main.py upload company-docs.pdf

2. 用户Agent设置

bash

# 在用户Agent上安装kb-reader
cd agent-user/skills/
git clone <kb-reader-repo>
cd kb-reader
pip install -r requirements.txt

# 测试连接
python main.py stats
python main.py query "测试查询"

权限管理

• kb-manager: 完整权限，可创建、修改、删除
• kb-reader: 只读权限，仅能查询和浏览
• 系统目录: 自动权限管理，确保数据安全

🔒 安全特性

• 本地存储: 所有数据保存在本地，不上传云端
• API安全: 支持多种API提供商，密钥加密存储
• 访问控制: 基于OpenClaw的用户权限管理
• 数据隔离: 每个技能实例独立的数据存储
• 权限分离: 管理和查询权限分离，防止误操作