Personlig Vidensbase

Opbyg en søgbar, semantisk vidensbase fra alt hvad du læser — artikler, tweets, YouTube-transskriptioner, PDF'er — alt indtaget og tilgængeligt via naturlig sprogchat med OpenClaw Ultra.

Systemoversigt

Dette system omdanner din agents hukommelse til et personligt forskningsbibliotek. Smid en URL eller fil ind i chatten, og den bliver automatisk indtaget, opdelt og indekseret til semantisk søgning. Stil senere spørgsmål og få rangerede resultater med kildehenvisning — ingen flere mistede bogmærker.

Systemlag	Kernefunktion	Resultat
Indtagslag	Hentning af URL, indholdsekstraktion, formatnormalisering	Ren struktureret tekst med metadata
Behandlingslag	Opdeling, generering af embeddings, vektorindeksering	Semantisk søgbar vidensopbevaring
Hentningslag	Hybridsøgning (semantisk + nøgleord), relevansrangering	Rangerede resultater med kildekontekst
Hukommelseslag	På tværs af sessioner, automatisk tagging, deduplikering	Voksende, ikke-duplikerende vidensbase
Integrationslag	Indfodring i andre arbejdsgange (SEO, sociale medier, mødeforberedelse)	Genanvendelig forskning på tværs af alle agentopgaver

Forudsætninger

Element	Krav
OpenClaw Ultra	Installeret og kørende
Knowledge Base Skill	Installer fra ClawHub — søg "knowledge-base"
Indtagskanal	Telegram-emne eller Slack-kanal (anbefales til automatisk indtag)

Trin 0 — Initialiser Vidensbase Systemet

Opsæt OpenClaw Ultra som din personlige vidensstyringsmotor.

Operationelle Trin

1. Åbn en ny chattesession i OpenClaw Ultra
2. Installer knowledge-base Skill
3. Opret et dedikeret Telegram-emne kaldet "knowledge-base" (eller brug en Slack-kanal)
4. Indsæt initialiseringsprompten

Klar-til-Brug Prompt

Funger som mit personlige vidensbase system.

Jeg vil gemme alt hvad jeg finder værdifuldt — artikler, tweets, YouTube-videoer, PDF'er, kodestykker — og kunne søge i dem samtalebaseret.

Byg et system der:
- indtager indhold fra URL'er jeg smider i chatten
- ekstraherer og indekserer det fulde indhold
- understøtter naturlige sprogforespørgsler over gemt viden
- deduplikerer og tagger indhold automatisk
- forbinder til andre arbejdsgange når de har brug for forskningskontekst

Trin 1 — Opsæt Automatisk Indtagspipeline

Konfigurer agenten til automatisk at behandle alle URL'er eller filer du sender.

1.1 Konfigurer Indtagskanal

Prompt

Opsæt emnet "knowledge-base" til automatisk indtagsindhold.

Når jeg smider en URL i dette emne:
1. Hent det fulde indhold (artikel, tweet-tråd, YouTube-transskription, PDF)
2. Ekstraher ren tekst med metadata: titel, URL, dato, indholdstype
3. Opdel i semantiske segmenter med embeddings
4. Indekser med tags: kildetype, emne, nøgleenheder
5. Svar med: hvad der blev indtaget, antal segmenter, foreslåede tags

Understøttede kilder:
- Webartikler (enhver URL)
- YouTube-videoer (automatisk hentning af transskription)
- Tweets og X-tråde
- PDF-dokumenter (via filupload)
- GitHub README'er og dokumentation

1.2 Importer Eksisterende Bogmærker i Batch

Prompt

Jeg har en samling gemte links som jeg vil importere:

[liste over URL'er eller eksportfil]

Behandl hver enkelt gennem indtagspipelinen.
Rapporter fremskridt: [X/N] indtaget, mislykkede URL'er med fejlårsager.

INFO

Din vidensbase vokser automatisk fra nu af — hvert interessant link du støder på, smid det bare i emnet.

Trin 2 — Semantisk Søgning og Hentning

Forespørg din vidensbase samtalebaseret.

2.1 Basis Forespørgsel

Prompt

Søg i min vidensbase efter: [dit spørgsmål eller emne]

Returner:
- de 5 mest relevante resultater
- for hver: titel, kilde-URL, nøgleuddrag, relevansscore
- hvis der ikke er gode match, fortæl mig det eksplicit

2.2 Krydsreference Forespørgsel

Prompt

Jeg arbejder på [nuværende projekt/opgave].
Søg i min vidensbase efter alt relateret til:
[liste over relevante emner eller nøgleord]

Opsummer hvad jeg allerede ved, hvilke kilder jeg har, og hvilke huller der findes.

Resultat af Trin 2

Øjeblikkelig adgang til alt hvad du har gemt, organiseret efter relevans.

Trin 3 — Automatisk Tagging og Organisation

Hold din vidensbase struktureret uden manuel indsats.

Prompt

Konfigurer automatiske taggregler for indtaget indhold:

Altid tagge efter:
- Indholdstype: article, tweet, video, pdf, code, discussion
- Domæne: det primære emneområde
- Enhed: nævnte virksomheder, personer, værktøjer

Opret automatisk emneklynger når 3+ elementer deler samme tag.
Markér dublet eller næsten-dublet indhold før indtag.

Trin 4 — Forbind Vidensbasen til Andre Arbejdsgange

Gør din gemte viden tilgængelig på tværs af alle agentopgaver.

4.1 Indfodr i Indholdsoprettelse

Prompt

Når du genererer indholdsbriefs (til SEO, sociale medier eller YouTube),
søg automatisk i vidensbasen efter relevant gemt indhold.

Inkluder citater i briefen så jeg ved hvor indsigterne kom fra.

Relateret Guide: SEO Indholdsarbejdsgang

4.2 Indfodr i Mødeforberedelse

Prompt

Før ethvert møde jeg har med [person/virksomhed/emne],
søg i min vidensbase efter gemt indhold om dem eller deres branche.

Inkluder resultaterne i mødeforberedelsesbriefen.

4.3 Indfodr i Forskningsopgaver

Prompt

Når jeg stiller et forskningsspørgsmål, søg ALTID først i vidensbasen.
Søg kun eksterne kilder hvis vidensbasen ikke har gode resultater.
Rapporter hvilken kilde (VB vs ekstern) svaret kom fra.

Trin 5 — Vedligeholdelse og Gennemgang

Hold vidensbasen sund og nyttig over tid.

Prompt

Opsæt ugentlig vidensbasevedligeholdelse:

Hver søndag kl. 10:00:
1. Rapportér nye elementer tilføjet denne uge: antal, top-tags, top-kilder
2. Identificer forældreløse elementer (aldrig hentet) — foreslå arkivering
3. Flet dublet eller overlappende indgange
4. Foreslå 3 emner der har brug for mere dækning baseret på mine seneste forespørgsler

Endelig Systemarkitektur

URL/Fil → Indtagsindhold → Opdeling og Embedding →
Vektorindeks → Semantisk Søgning → Hentning med Kontekst →
Indfodring i SEO / Social / Møde / Forsknings Arbejdsgange

Praktiske Brugstips

1. Skab en vane: hver gang du læser noget nyttigt, smid straks linket i knowledge-base-emnet
2. Brug specifikke spørgsmål når du søger — "Hvad gemte jeg om RAG-arkitektur?" virker bedre end "fortæl mig om AI"
3. Gennemgå jævnligt den ugentlige vedligeholdelsesrapport for at opdage videnshuller
4. Kombiner med Reddit Forskningsarbejdsgang — gem Reddit-fund direkte i VB til krydsreference