Mac Mini Knowledge Base + RAG Setup

在 Mac Mini (M4) 上快速搭建本地知识库 + RAG 自然语言搜索系统。 适用场景： - 新 Mac 配置知识库：从零开始安装配置 Ollama、embedding模型、定时任务、OCR文档分析 - 遇到 PDF 提取乱码、定时任务超时、skill 加载失败等问题 - 想要建立每日自动分析文档 + 08:00发送摘要到飞书的流程 - 迁移或复现知识库：打包整个 knowledge 目录和配置到新电脑 本 skill 会引导完成：目录结构创建、依赖安装、脚本部署、定时任务注册、OpenClaw 配置。

Knowledge Base Setup

在 Mac Mini 上快速搭建本地知识库 + RAG 搜索系统。

核心功能

• 文档处理：支持 PDF（正常/乱码字体/图片型）、PPTX、DOCX、XLSX、MD
• 智能提取：自动识别文档类型，选择最优提取方案，中英文关键词自动匹配
• 目录生成：自动生成带标签的文章目录，缓存加速
• 定时任务：每天 22:00 分析新文档，08:00 发送摘要到飞书

快速开始

一键安装

cd ~/.openclaw/workspace/skills/knowledge-base-setup/scripts
bash setup.sh <飞书用户ID>

手动分步安装

Step 1: 环境准备

brew install tesseract
pip3 install pytesseract pymupdf pdfplumber python-pptx
# 安装 Ollama: https://ollama.com/download

Step 2: 下载 embedding 模型

ollama pull nomic-embed-text

Step 3: 创建目录结构

mkdir -p ~/.openclaw/workspace/knowledge/.analysis/summaries/archives
mkdir -p ~/.openclaw/workspace/knowledge/temp_docs
mkdir -p ~/.openclaw/workspace/knowledge/"Macro Financials"
touch ~/.openclaw/workspace/knowledge/文章目录.md

Step 4: 部署脚本

cp ~/.openclaw/workspace/skills/knowledge-base-setup/scripts/*.py \
   ~/.openclaw/workspace/knowledge/.analysis/
cp ~/.openclaw/workspace/skills/knowledge-base-setup/scripts/generate_catalog.js \
   ~/.openclaw/workspace/knowledge/.analysis/
chmod +x ~/.openclaw/workspace/knowledge/.analysis/*.py
chmod +x ~/.openclaw/workspace/knowledge/.analysis/*.js

Step 5: 配置 OpenClaw

编辑 ~/.openclaw/openclaw.json，加入：

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://127.0.0.1:11434",
        "api": "ollama",
        "models": [
          {"id": "nomic-embed-text", "name": "Nomic Embed Text"}
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "memorySearch": {
        "provider": "ollama",
        "model": "nomic-embed-text"
      }
    }
  }
}

确保 tools 区块有：

"tools": {
    "alsoAllow": ["exec", "process"]
}

然后重启：openclaw gateway restart

Step 6: 注册定时任务

# 22:00 分析任务
openclaw cron add \
  --name "22:00分析新文档" \
  --cron "0 22 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --timeout-seconds 600 \
  --message "运行 run_analysis.py 和 generate_catalog.js" \
  --announce --channel feishu --to "user:<飞书用户ID>"

# 08:00 发送任务
openclaw cron add \
  --name "08:00发送文档摘要" \
  --cron "0 8 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --timeout-seconds 120 \
  --message "读取 summaries/ 目录发送摘要到飞书" \
  --announce --channel feishu --to "user:<飞书用户ID>"

文档处理流程（generate_catalog.js）

文件类型 × 提取方式

格式	提取方式	说明
PDF（正常字体）	pdf-parse 直读	中文报告等正常文档
PDF（乱码/图片型）	pymupdf 渲染 + tesseract OCR	外资投行 PDF、自定义字体编码
PPTX	python-pptx 读文字	幻灯片内容
DOCX/XLSX	占位（可扩展）	待实现
MD	直接读文件	Markdown 格式

PDF 三步处理逻辑

Step 1: 50KB 快速预检（pdf-parse 前50KB）
         ↓
  预检文本含关键词？ → Yes → Step 2: 完整 pdf-parse
         ↓ No
  Step 3: pymupdf 渲染前3页 + OCR（跳过无意义的完整解析）

为什么这样做：

• 正常中文 PDF：pdf-parse 直接出结果（~800ms），不做 OCR 浪费
• 外资投行乱码 PDF：pdf-parse 要 30s 才返回乱码，现在 100ms 预检直接跳 OCR
• 图片型 PDF：本来就是 OCR 素材，预检阶段就会走 OCR 路线

关键词库（中英双语）

中文（47个）： 房产、房价、房地产、居民、消费、股市、经济、政策、利率、通胀、人民币、A股、美联储、PBOC、GDP、股票、资产、投资、债券、银行、PPI、CPI、PMI、M2、就业、失业、汽车、新能源、AI 等

英文（70+个）： property、real estate、GDP、inflation、CPI、PPI、PMI、PBOC、Fed、consumer、economy、growth、housing、stock market、EV、AI 等

标签输出语言： 自动判断——英文内容匹配英文关键词输出英文标签，中文内容匹配中文关键词输出中文标签

缓存机制

• 缓存文件：knowledge/.analysis/.catalog_cache.json
• 缓存命中条件：文件 mtime 未变且标签不是"待提取"
• 缓存命中时：跳过解析，直接复用，二次运行 ~1.5 秒

迁移到新电脑

1. 复制整个目录：

   scp -r ~/.openclaw/workspace/knowledge user@new-mac:~/.openclaw/workspace/
   

2. 在新电脑运行 setup.sh 或手动分步安装
3. 重新注册定时任务（Job ID 会变）

避坑指南

问题	原因	解决
PDF 提取乱码	自定义字体无 ToUnicode	pymupdf + tesseract OCR（已内置）
定时任务超时	默认 120s 太短	--timeout-seconds 600
飞书无 exec 工具	tools 策略限制	添加 alsoAllow: [exec, process]
skill 加载失败	导出名称错误	CodeChunker → FileChunker
BGE-M3 卡顿	16GB 内存不足	继续用 nomic-embed-text
brew install ollama 慢	网络问题	直接下载 dmg 安装

关键路径

内容	路径
Skill 目录	~/.openclaw/workspace/skills/knowledge-base-setup/
知识库	~/.openclaw/workspace/knowledge/
分析脚本	~/.openclaw/workspace/knowledge/.analysis/
目录缓存	~/.openclaw/workspace/knowledge/.analysis/.catalog_cache.json
摘要输出	~/.openclaw/workspace/knowledge/.analysis/summaries/
文章目录	~/.openclaw/workspace/knowledge/文章目录.md
OpenClaw 配置	~/.openclaw/openclaw.json