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

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

扩展说明

新增设备类型

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

新增数据源

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

新增工具

在 SKILL.md 中添加新工具权限
在 scripts/ 目录下添加工具实现
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

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

步骤3: 配置权限和触发器

在Skill详情页面配置权限
设置触发关键词
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。