核心用法
RAGLite 是一个本地优先的RAG（检索增强生成）缓存系统，专为需要反复查询非训练数据的场景设计。其核心流程分为三步：
1. 蒸馏（Condense）——使用OpenClaw引擎将原始文档转换为结构化Markdown，去除冗余内容，保留关键信息
2. 索引（Index）——将蒸馏后的内容嵌入到本地Chroma向量数据库集合中
3. 查询（Query）——支持混合检索：向量相似度搜索（Chroma）+ 关键词匹配（ripgrep）
典型使用场景
- 个人知识库管理（学习笔记、医疗记录）
- 企业内部文档查询（运维手册、内部规范）
- 敏感数据的本地化处理，避免上传云端
技术依赖
- Python 3.11+
- Chroma向量数据库（默认本地http://127.0.0.1:8100）
- ripgrep（rg）用于关键词搜索
- OpenClaw Gateway（用于文档蒸馏，需配置OPENCLAW_GATEWAY_TOKEN）
显著优点
| 优势 | 说明 |
|:---|:---|
| **隐私优先** | 敏感数据完全本地处理，不上传第三方服务 |
| **成本优化** | "压缩后再嵌入"策略减少token消耗，降低API调用成本 |
| **可审计性** | 中间产物为纯Markdown，人类可读、可版本控制 |
| **混合检索** | 向量+关键词双模式，兼顾语义理解和精确匹配 |
| **开源可扩展** | 基于Chroma和ripgrep，无厂商锁定，可迁移至托管方案 |
| **智能去重** | `skip-existing`和`skip-indexed`参数避免重复处理 |
潜在缺点与局限性
1. 基础设施要求：需要自行维护Chroma服务和Python环境，对非技术用户门槛较高
2. 依赖外部LLM：文档蒸馏依赖OpenClaw Gateway，若网关不可用则核心功能受限
3. 单机性能瓶颈：本地Chroma在数据量激增时可能遇到扩展性问题
4. 无实时同步：文档变更后需重新执行完整pipeline，非自动增量更新
5. 索引冷启动：首次构建大规模知识库耗时较长
适合人群
- 隐私敏感用户：医疗、法律、金融从业者处理机密文档
- 开发者/运维人员：需要查询内部技术文档、运维手册
- 研究者/学生：管理大量学术论文、学习笔记的本地知识库
- 成本意识团队：希望替代Notion/Confluence等付费知识库的中度用户
- 合规要求严格的组织：数据必须驻留本地的企业环境
常规风险
| 风险类别 | 具体描述 | 缓解建议 |
|:---|:---|:---|
| 数据持久化风险 | Chroma本地存储若未备份可能丢失 | 定期备份`--out`目录和Chroma数据 |
| 网关单点故障 | OpenClaw服务不可用时无法蒸馏新文档 | 保留原始文档，建立网关健康检查 |
| 权限配置泄露 | OPENCLAW_GATEWAY_TOKEN等敏感配置 | 使用.env文件，避免提交至版本控制 |
| 索引一致性 | 文档删除后索引残留孤儿记录 | 定期重建索引或使用`--skip-indexed`策略 |
| 模型幻觉传递 | 蒸馏阶段若LLM产生幻觉，将污染整个知识库 | 对关键文档进行人工抽检验证 |
架构定位澄清
> 重要：RAGLite 不是内存替代品，也不直接管理对话上下文。它是专门用于"需要反复查找的非训练数据"的持久化存储层，与模型的短期记忆形成互补。