核心用法
ClawRAG Connector 是 OpenClaw 的配套记忆扩展技能，通过 MCP 协议桥接用户本地部署的 ClawRAG 服务。用户需先在 Docker 环境中启动 ClawRAG 容器（包含 ChromaDB 向量数据库），随后通过 openclaw mcp add 命令完成 MCP 服务器注册。安装完成后，Agent 即可调用本地 RAG 接口实现：文档批量上传（PDF、DOCX、TXT、MD）、多集合知识库管理、混合语义检索（向量相似度 + BM25 关键词匹配 + RRF 重排序），以及带引用溯源的问答生成。
显著优点
隐私安全架构：数据全程本地化处理，向量数据库运行于用户设备，彻底规避云端泄露风险，契合企业合规与敏感场景需求。混合搜索精度：融合语义理解与关键词匹配，配合 RRF（Reciprocal Rank Fusion）重排序，显著提升长尾查询与专业术语的召回准确率。MCP 原生集成：遵循 Model Context Protocol 标准，与 OpenClaw 无缝协作，工具调用透明可追溯。智能文档解析：内置 Docling 引擎，自动处理复杂版式 PDF 与 Office 文档，提取结构化文本。多模态知识组织：支持按项目创建隔离的知识集合，便于团队多业务线并行管理。
潜在缺点与局限性
基础设施门槛：强制依赖 Docker 与 Docker Compose，对非技术用户构成部署障碍；本地 LLM 需 8GB+ 内存，硬件要求较高。功能完整性依赖外部服务：Skill 本身仅为连接器，核心 RAG 能力由 ClawRAG Docker 镜像与 npm 包提供，版本兼容性风险需用户自担。网络拓扑限制：当前仅支持 localhost 通信，无法实现分布式多机部署或远程团队协作。生态成熟度：作为个人开发者项目，长期维护稳定性、企业级 SLA 保障及社区生态规模弱于商业方案（如 Pinecone、Weaviate）。许可证缺失：项目未明确开源协议，商用需自行评估法律风险。
适合的目标群体
隐私敏感型用户：法律、医疗、金融等需严格数据不出域的行业从业者。技术自主团队：具备 DevOps 能力的开发者、研究员，追求基础设施可控的中小技术团队。成本优化场景：希望规避按 token 计费的云端 RAG 服务，偏好一次性本地部署长期使用的组织。OpenClaw 深度用户：已构建 MCP 工具链生态，希望扩展长期记忆与文档问答能力的现有用户。
使用风险
依赖项供应链风险：Docker 镜像与 npm 包 @clawrag/mcp-server 的代码未经本次扫描审计，存在潜在漏洞或恶意代码植入可能，建议拉取后人工审查。本地资源争用：ChromaDB 与可选的本地 LLM 运行时占用显著内存与磁盘 IO，可能与主机其他服务产生资源冲突。数据备份责任：自托管模式下数据持久化完全依赖用户本地配置，误操作或容器重建可能导致知识库丢失，需建立独立备份机制。云 API 密钥泄露：若配置 OpenAI/Anthropic 等外部 LLM，API 密钥存储于本地 .env 文件，需严格管控文件权限避免意外暴露。