（13179期）telnyx-rag – 智能语义搜索与知识库问答

智能语义搜索与知识库问答 基于 Telnyx AI 的 OpenClaw 工作区 RAG 工具，支持智能分块与语义搜索，实现本地知识库的自然语言问答与检索。 使用说明 Telnyx RAG Memory 是专为 OpenClaw 工作区设计的语义搜索与 RAG 问答技能，通过整合 Telnyx Storage 与 AI Embeddings，实现本地知识库的智能化检索与问答。 核心用法：该技能自动索引工作区内的 MEMORY.md、知识库和技能文档，采用智能分块策略（Markdown 按标题分割、JSON 按线程分割）处理大文件，通过 Telnyx AI 生成向量嵌入，支持自然语言语义搜索与完整的 RAG 问答管道。用户可通过 ./ask.py 直接提问，系统会自动检索相关上下文并生成答案，或仅使用 ./search.py 进行语义检索。支持增量同步、watch 模式监控变更及孤儿文件清理。 显著优点：首先，该技能仅依赖 Python 3.8+ 标准库，零外部 pip 依赖，部署轻量且安全。其次，智能分块与增量同步机制高效，仅上传变更文件并自动清理孤儿文件。再者，RAG 管道采用多信号重排序（语义相似度 + TF-IDF + 优先级提升），显著提升检索准确性。配置灵活，支持自定义模型、分块大小和文件匹配模式，且具备完善的错误处理和重试机制。 潜在缺点：作为 T3 来源的社区项目，缺乏官方企业级背书；功能强依赖 Telnyx 云服务，网络受限或 API 变更会影响可用性；需要用户自行申请和管理 Telnyx API Key，增加了使用门槛；文件上传云端可能存在合规性限制。 适合目标群体：主要面向 OpenClaw 工作流用户、需要构建个人或团队知识库的开发者，以及已使用 Telnyx 生态的技术团队。特别适合需要对工作区文档进行语义化管理、实现 AI 问答的知识型工作者。 使用风险：数据隐私方面，文件需上传至 Telnyx Cloud Storage，虽可通过 patterns 配置限制范围，但仍存在云端存储风险，敏感数据需谨慎；性能方面，嵌入生成和 LLM 推理依赖网络延迟，大文件同步可能触发超时；依赖风险上，服务可用性与 Telnyx 平台绑定，需关注 API 配额、费用及网络连通性。 原始说明 Semantic search and Q&A over workspace files using Telnyx Storage AI embeddings. Index your memory, knowledge, and skills for natural language retrieval and AI-powered answers.