qdrant-db

Search and manage a Qdrant vector knowledge base via local CLI helper

Install

openclaw skills install @zhlhlf/qdrant-db

qdrant-db

OpenClaw 外部向量知识库（Qdrant）。不替代 memory_search：

日常偏好/会话笔记 → 继续 memory_*
项目文档/运维手册/可共享知识 → 用本 skill

示例配置（代码不内置默认值，模板见 env.example；本机 .env 当前指向内网 Qdrant 172.26.25.136）：

Qdrant：http://127.0.0.1:6333，collection openclaw
Embedding：Qwen3-Embedding-0.6B（1024 维）

何时用

用户要查/写入「知识库」「Qdrant」「向量库」「kb」
需要跨项目检索已入库文档
明确说不要写进 MEMORY.md，而要进 Qdrant

命令

脚本：

bash

python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py <cmd>

检索

bash

python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py search "查询内容"
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py search "DPV2 升级" --top-k 8
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py search "队列名" --collection openclaw

写入

bash

# 单条文本
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py upsert --text "事实或段落" --source note

# 带元数据
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py upsert --text "..." --source manual --tags "dpv2,ops"

# 从文件入库（按段落/块切分）
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py upsert-file /path/to/doc.md --source doc.md

管理

bash

python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py ensure      # 确保 collection 存在
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py collections
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py info
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py delete --id <point_id>

从 OpenClaw SQLite 记忆迁移

bash

# 复用 sqlite 里已有向量（默认，不重新 embed）
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py migrate-sqlite

# 指定库路径
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py migrate-sqlite \
  --db /root/.openclaw/agents/main/agent/openclaw-agent.sqlite

# 强制按当前 embedding 接口重算向量
python3 /root/.openclaw/workspace/skills/qdrant-db/scripts/kb.py migrate-sqlite --reembed

迁移会写入 payload：path/start_line/end_line/origin=openclaw-sqlite/tags=[migrated,sqlite,memory]。
不会删除 原 sqlite；内置 memory_search 仍可用。

工作流

首次或 collection 不存在：先 ensure
用户给文档/要点：upsert / upsert-file
用户要查知识：search，把命中的 text + source + score 整理进回复
不要把 Qdrant 检索结果默默写进 MEMORY.md，除非用户要求“记住”

环境变量（可选覆盖）

配置来源优先级：真实环境变量 > <skill根>/.env（代码不内置默认值；缺必填项会报错，按 env.example 补全 .env 即可）

所有配置统一从环境变量读取；.env 为 shell 风格 KEY=VALUE（支持 export 前缀、单/双引号、# 注释、空行，不支持变量展开）。

统一配置文件 <skill根目录>/.env（与 kb.py 同随 skill 走，权限 600）；目录下附脱敏模板 env.example，复制即可开始：

bash

cp env.example .env && chmod 600 .env

bash

# --- Qdrant 向量库 ---
QDRANT_URL=http://172.26.25.136:6333
QDRANT_COLLECTION=openclaw
QDRANT_API_KEY=

# --- Embedding 服务（全量配置已在此，不再依赖 openclaw.json） ---
EMBEDDING_BASE_URL=http://apiproxy.jq.datagrand.cn/v1
EMBEDDING_API_KEY=<真实key>
EMBEDDING_MODEL=Qwen3-Embedding-0.6B
EMBEDDING_DIMS=1024

可覆盖的环境变量：QDRANT_URL / QDRANT_COLLECTION / QDRANT_API_KEY / EMBEDDING_BASE_URL / EMBEDDING_API_KEY / EMBEDDING_MODEL / EMBEDDING_DIMS。

注意：

不能把自定义键塞进 openclaw.json（schema 白名单，额外字段会导致 gateway 拒绝启动）。
openclaw.json 的 agents.defaults.memorySearch 已清理，只剩 enabled:false（关闭内置 memory search），不再作为 embedding 配置来源。
密钥只走 .env 或环境变量，不要打印到聊天。

规则

写入与检索必须用同一 embedding 模型/维度，禁止混用 MiniLM 等其它模型写同一 collection
大文件先 upsert-file，不要一次性把整本塞进单点
失败时展示脚本 stderr，不要假装写入成功
密钥只走环境变量或 .env，不要打印到聊天

与 memory 的分工

内容	去哪
用户偏好、口头约定、日常笔记	`MEMORY.md` / `memory_search`
可复用文档、方案、手册、接口说明	本 Qdrant KB
两者都要	先 KB 检索，重要结论再按需记 memory