ClawHub

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

Audits

Pass
ClawScanReview

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install water-knowledge-assistant

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

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

步骤2: 创建虚拟环境

# 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

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：

# 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：

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

python scripts/knowledge_base_import.py

步骤2: 构建向量索引

python scripts/vector_index_builder.py

步骤3: 配置Cron任务（可选）

# 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

# 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：

# 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。