GNO 本地知识引擎
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-gno。
技能介绍
要解决什么问题
本地堆积了 Markdown、PDF、Word、代码仓笔记,却只能靠 grep 或文件名翻找;想做 RAG 或知识库,又不想把文档上传到云端、也不想维护 API Key。GNO 的定位是 本地知识引擎:在机器上建索引,用关键词或向量做检索,必要时用本地模型 问答并带引用。
核心能力与用法脉络
索引侧:用 init、collection 管理集合,对目录执行 index / update / embed,把需要语义检索的内容真正写入向量索引。资料里强调:通过 MCP 的 gno.sync、gno.capture 不会自动 embed,改完文件要走 CLI 做嵌入。
检索侧可按速度与场景选模式:
gno search:即时,精确关键词gno vsearch:约 0.5s,找相近概念gno query(可加--fast/--thorough):平衡或高召回复杂问句gno ask --answer:约 3–5s,生成答案并引用文档
找不到结果时,文档建议先改述问句,再试 --thorough。
关系与组织:links / backlinks / similar / graph 看笔记关联;tags、context 做分类与检索提示;get、ls 按 URI 取正文。需要浏览界面时可用 serve 开 Web UI;要给助手读文档可配 MCP(mcp install 等)或 skill 子命令给 Agent 用。
模型:models list/use/pull 管理本地推理与嵌入模型,全程可不依赖外网 API。
适用边界与注意点
- 适合「数据不出门、可接受本地算力与磁盘」的场景;极致云端协作检索不是主路径。
- 向量检索依赖正确的
embed流程,别假设 MCP 同步就等于可vsearch。 - 复杂问答延迟随
--thorough和ask变长,应按任务选模式而非一律开满。
更细的命令与 MCP 工具说明见技能包内的 cli-reference.md、mcp-reference.md、examples.md。
使用场景
- 合规要求笔记不能上云时,要对本机 PDF/Markdown 目录做一次性索引并用 `vsearch` 找概念
- 写技术方案前要在一堆历史 Word 与 md 里用 `query --thorough` 查清是否已有类似结论
- 维护 Obsidian 式笔记库时,用 `backlinks` / `graph` 理清条目之间的引用关系
- 给 Cursor/Claude 配 MCP 后,让助手用 `ask --answer` 从本地文档回答并给出引用出处
适合人员
- 自管机密的研发/法务,需要在本机构磁盘上搭可检索文档库且不走公网 API
- 长期写技术博客或内参的作者,想把多年 md/PDF 建成可语义搜索的个人档案馆
- 用本地 Ollama 等跑模型的工程师,要为 Agent 提供 `mcp` + `skill` 可读的企业内文档
- 知识管理重度用户,依赖双向链接与标签,希望 CLI/Web UI 统一浏览与过滤