Install
openclaw skills install knowledge-engine个人知识引擎。搜索已有概念、添加新概念(自动去重)、查看信念状态、执行知识蒸馏、生成可视化图谱。当你需要:(1) 查找之前积累的知识和洞察 (2) 记录新的学习和思考 (3) 追踪信念的变化 (4) 从碎片概念中提炼高层规律 (5) 可视化知识图谱
openclaw skills install knowledge-engine把碎片化的阅读和思考变成结构化的、可搜索的、会成长的知识系统。
| 场景 | 动作 |
|---|---|
| 用户问"我之前看过什么关于 X 的内容" | search --query "X" |
| 读到一篇好文章,想存下来 | add --concept "..." --tags "..." |
| 两个概念之间有关系 | link --from "A" --to "B" --relation "supports" |
| 想看看自己有什么信念,哪些可能过时了 | beliefs-decay |
| 定期整理知识体系 | synthesis --days 7 |
| 想看看知识图谱长什么样 | python visualize.py |
| 检查系统是否正常工作 | eval |
不是"记录今天读了什么",而是——
L3 元规律(meta-patterns) ← 自动蒸馏,需人工验证
"AI时代稀缺资源从制作转移到分发"
↑
L2 可复用洞察(insights) ← 自动聚合 L1 生成
"分发能力 > 制作能力" "品味是最后的差异化"
↑
L1 具体事实(raw concepts) ← 手动添加
"北京开发者亏2200" "Notion Agent自动执行11步工作流"
python3 {baseDir}/scripts/concept_manager.py search --query "分发"
python3 {baseDir}/scripts/concept_manager.py search --query "创业" --tags "AI"
返回匹配的概念列表,按相关度排序。自动记录搜索命中(影响置信度调整)。
python3 {baseDir}/scripts/concept_manager.py add \
--concept "分发能力 > 制作能力" \
--source "HN Ask HN 2026-03-27" \
--context "当AI让创作成本趋近于零,稀缺资源转移到分发" \
--tags "创业,分发,AI" \
--confidence medium
自动循环检测:添加时会检查相似概念,≥0.6 自动合并,≥0.4 警告。用 --force 跳过。
python3 {baseDir}/scripts/concept_manager.py link \
--from "分发能力 > 制作能力" \
--to "个人品牌 > 产品能力" \
--relation "supports"
关系类型:supports / evidence / contrast / same_thesis / part_of / related
# 记录信念
python3 {baseDir}/scripts/concept_manager.py believe \
--belief "Self-belief是做出来的不是喊出来的" \
--reasoning "Musk的conviction是十几年失败中锤出来的" \
--confidence medium
# 更新信念状态
python3 {baseDir}/scripts/concept_manager.py update-belief \
--id belief-001 \
--status challenged \
--note "用户指出这可能是自大的判断"
# 信念衰减报告(带时间衰减的置信度)
python3 {baseDir}/scripts/concept_manager.py beliefs-decay
python3 {baseDir}/scripts/concept_manager.py graph
python3 {baseDir}/scripts/concept_manager.py graph --concept "分发能力 > 制作能力"
python3 {baseDir}/scripts/concept_manager.py summary
python3 {baseDir}/scripts/concept_synthesis.py --days 7
自动执行:Reflection → 主题聚合 → L1→L2→L3 蒸馏 → 置信度调整 → 信念衰减 → 热力图 → 生成报告
python3 {baseDir}/scripts/visualize.py
# 输出: ~/Desktop/knowledge-graph.html
生成交互式知识图谱(D3.js 力导向图),支持拖拽、缩放、悬浮详情、标签筛选。
import sys; sys.path.insert(0, "{baseDir}/scripts")
from ke_api import ke
# 搜索
results = ke.search("分发", limit=5)
# 添加概念
ke.concept("新概念", source="HN", tags=["创业"])
# 获取上下文(分层检索)
ctx = ke.context("创业", recent=3, semantic=5)
# 获取信念(带时间衰减)
beliefs = ke.beliefs(top=5)
# 快速摘要
summary = ke.summary()
python3 {baseDir}/scripts/eval_knowledge_engine.py
六项测试:Storage / Retrieval / Association / Confidence / Synthesis / Pruning
python3 {baseDir}/scripts/concept_manager.py similar --concept "分发能力"
python3 {baseDir}/scripts/concept_manager.py stats --days 30
python3 {baseDir}/scripts/concept_manager.py auto-adjust
python3 {baseDir}/scripts/concept_manager.py prune --days 60 --dry-run
memory/
├── concepts/ ← 概念卡片(JSON,每个概念一个文件)
├── beliefs/ ← 信念追踪(JSON)
├── insights/ ← 蒸馏报告(Markdown)
├── knowledge.db ← SQLite 索引和搜索
└── delta-log.md ← 变化记录
当前 (v0.3):
计划 (v0.4):