太湖云水务知识库

水务设备知识库 AI 助手，提供设备查询、选型建议、参数对比等功能

水务设备知识库 AI 助手

功能目标

1. 知识库问答

• 支持查询：液位计、水尺、流量计、水质传感器
• 数据来源：设备说明书、技术参数、选型指南、应用案例
• AI 优先使用 RAG 检索知识库，再生成答案

2. 设备选型建议

根据用户输入的工况信息（如：户外污水池、腐蚀性介质、量程10米、预算有限），提供：

• 工况分析
• 设备类型匹配
• 设备型号推荐
• 推荐理由

3. 技术参数查询

支持查询设备的详细技术参数，包括：

• IP等级
• 量程
• 精度
• 供电
• 通讯协议

4. 设备对比

支持对不同设备型号进行参数对比，生成对比表

5. 询价引导

当用户表达购买意向时，引导用户提供：

• 型号
• 数量
• 公司
• 联系人
• 电话
• 应用场景 并生成询价单草稿

6. 文档下载

当用户询问说明书、PDF、选型指南时，返回文档名称和下载路径

系统能力

1. 审计日志系统（三录）

• 操作录迹：记录用户输入、AI决策、工具调用
• 结果录存：记录检索结果、工具返回、生成报告、错误信息
• 可追溯：支持按时间戳、会话ID、用户ID等维度查询
• 日志格式：JSONL

2. 外部数据采集系统

• 支持从 D:\code\openclaw_lakeskill\outerfiles\ 读取知识库
• 支持文件类型：PDF、Markdown、TXT、DOCX
• 目标目录：D:\code\openclaw_lakeskill\files
• 增量处理：计算SHA256 hash判断是否更新

3. Tavily 实时更新

• 支持定时更新：每天凌晨3点（cron: 0 3 * * *）
• 支持按需更新：当用户问题包含"最新"、"最近"、"2026"、"今年"时触发
• 搜索参数：query、max_results、time_range、include_domains
• 结果处理：AI总结后以Markdown存入知识库并建立向量索引

使用指南

查询示例

1. 知识库问答："液位计有哪些类型？"
2. 设备选型："户外污水池，腐蚀性介质，量程10米，预算有限"
3. 参数查询："RL-1000 的防护等级是多少？"
4. 设备对比："对比 RL-1000 和 UL-200"
5. 询价引导："我要买 RL-1000"
6. 文档下载："RL-1000 的说明书在哪里？"

扩展说明

新增设备类型

1. 在 references/device_types.md 中添加新设备类型
2. 在 references/selection_rules.md 中添加选型规则
3. 在 references/parameter_fields.md 中添加参数字段

新增数据源

1. 在 config/paths.yaml 中配置新的数据源路径
2. 在 scripts/knowledge_base_import.py 中添加新的文件类型支持

新增工具

1. 在 SKILL.md 中添加新工具权限
2. 在 scripts/ 目录下添加工具实现
3. 在 config/ 目录下添加工具配置

安全规范

权限控制

• 仅能访问 D:\code\openclaw_lakeskill\outerfiles\ 和 D:\code\openclaw_lakeskill\
• 禁止访问系统目录和用户目录

错误处理

• 所有操作必须包含 try-catch
• 错误信息必须记录到审计日志
• 异常返回统一格式：{"error": true, "message": "错误信息"}

安装指南

1. 环境准备

硬件要求

• CPU: 4核以上
• 内存: 8GB以上
• 存储空间: 50GB以上

软件要求

• Python 3.8+
• Git
• OpenClaw Framework

2. 安装步骤

步骤1: 克隆项目

bash

git clone <项目地址>
cd water-knowledge-assistant

步骤2: 创建虚拟环境

bash

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/macOS
python3 -m venv venv
source venv/bin/activate

步骤3: 安装依赖

bash

pip install -r requirements.txt

步骤4: 配置环境变量

创建 .env 文件并添加以下内容：

env

# OpenAI API Key（用于嵌入模型）
OPENAI_API_KEY=your-openai-api-key

# Tavily API Key（用于实时更新）
TAVILY_API_KEY=your-tavily-api-key

步骤5: 配置路径

根据实际情况修改 config/paths.yaml 文件中的路径配置：

yaml

source_paths:
  knowledge_base: D:\code\openclaw_lakeskill\outerfiles\  # 知识库源目录

workspace_paths:
  root: D:\code\openclaw_lakeskill\  # 工作目录
  knowledge_base: D:\code\openclaw_lakeskill\files\  # 知识库存储目录
  vector_store: D:\code\openclaw_lakeskill\water-knowledge-assistant\vector_store\  # 向量存储目录

3. 初始化

步骤1: 导入知识库

bash

python scripts/knowledge_base_import.py

步骤2: 构建向量索引

bash

python scripts/vector_index_builder.py

步骤3: 配置Cron任务（可选）

bash

# 在Linux/macOS上
crontab -e
# 添加以下内容
0 2 * * * python /path/to/water-knowledge-assistant/scripts/knowledge_base_import.py
0 3 * * * python /path/to/water-knowledge-assistant/scripts/tavily_update.py
0 4 * * * python /path/to/water-knowledge-assistant/scripts/vector_index_builder.py
0 1 * * 0 python /path/to/water-knowledge-assistant/audit/log_cleanup.py

# 在Windows上使用任务计划程序创建类似的定时任务

4. 部署到OpenClaw平台

步骤1: 打包Skill

bash

# 创建zip包
zip -r water-knowledge-assistant.zip *

步骤2: 上传到OpenClaw平台

1. 登录OpenClaw平台
2. 进入Skill管理页面
3. 点击"上传新Skill"
4. 选择打包好的zip文件
5. 填写基本信息并提交

步骤3: 配置权限和触发器

1. 在Skill详情页面配置权限
2. 设置触发关键词
3. 配置工具调用权限

5. 验证安装

执行以下命令验证安装是否成功：

bash

# 测试知识库导入
python scripts/knowledge_base_import.py

# 测试向量索引构建
python scripts/vector_index_builder.py

如果命令执行成功且没有错误信息，则安装完成。