核心用法
mao-selected-works 是专为 OpenClaw 设计的《毛泽东选集》本地知识库检索技能，提供从原文定位到智能检索的完整工作流：
1. 结构化检索（默认模式）：通过 SQLite FTS 建立卷、篇、标题、别名及全文索引，支持按卷列目录、按卷篇定位文章、按标题精确查找、按关键词搜索段落等操作，完全离线运行。
2. 混合检索（可选增强）：在 config/search.json 中开启 rag.enabled 后，启用 BAAI/bge-m3 嵌入模型进行向量召回；若同时开启 rerank.enabled，则叠加 BAAI/bge-reranker-v2-m3 重排优化结果。嵌入分批默认 64 条，适配主流 API 平台限流。
3. 灵活查询：支持 catalog/show/search 三种命令模式，可组合卷、篇、标题、关键词多重过滤，返回包含卷次、篇次、标题、日期、段落摘要、源路径及检索方式的完整溯源信息。
显著优点
- 零依赖启动：默认模式仅需本地 SQLite，无需外部 API 或网络，开箱即用。
- 精准溯源：返回结构化的出处信息，便于核对原文，拒绝臆造。
- 渐进增强：从传统检索到向量+重排的三档配置，按需升级，成本可控。
- 环境隔离：API key 通过独立环境变量管理，配置脚本化，降低泄露风险。
潜在局限
- 语料边界：仅覆盖《毛选》收录篇目，未收录的讲话、书信等需额外扩展。
- 别名依赖：标题别名需预置在 metadata，生僻简称可能检索失败。
- 向量成本：开启混合检索后产生 embedding/token 消耗，大段落切分策略影响召回精度。
- 模型兼容性：默认模型为中文优化，跨语言查询效果未验证。
适合人群
- 研究者、学生需快速定位《毛选》原文出处
- 内容创作者引用经典论述需确保文本准确性
- 对数据主权敏感、倾向本地优先的隐私保守用户
常规风险
- 配置泄露：
search.json若误提交代码仓库，可能暴露base_url结构信息（虽 key 已环境变量隔离）。 - 结果误用：检索返回的段落摘要需核对全文，避免断章取义。
- 模型可用性：混合检索依赖第三方 embedding/rerank 服务，存在服务中断或计费变更风险。