核心用法
ClawSQLite Knowledge 是一款面向开发者和高级用户的本地知识库管理技能，基于 PyPI 发布的 clawsqlite CLI 构建。其核心工作流程包括：
数据摄入（Ingest）：支持严格模式的 URL 抓取和文本录入，自动生成结构化元数据。使用 --url 或 --text 参数配合 --category 进行分类存储，LLM 自动生成标题而非依赖用户输入。
智能检索（Search）：提供 hybrid（混合）、vector（向量）、keyword（关键词）三种搜索模式，默认 --topk 5 返回最相关结果。向量检索依赖配置的 Embedding 模型，关键词搜索基于 SQLite FTS5。
记录查看（Show）：通过 --id 精确调取单条知识记录，--full 参数展开完整内容与关联元数据。
维护管理（Maintenance）：内置 doctor 健康检查、reindex 索引重建、cleanup 过期清理、backup 备份机制，支持 --dry-run 预览操作。
兴趣分析（Analysis）：build-interest-clusters 聚类分析知识分布，report-interest 生成阅读兴趣趋势报告，支持 PDF 导出。
显著优点
1. 本地优先架构：数据完全存储于本地 SQLite，无云端依赖，隐私可控
2. 混合检索能力：向量相似度 + 关键词匹配双引擎，兼顾语义理解与精确匹配
3. 模块化命令树：record/maintenance/analysis 三层结构清晰，避免命令膨胀
4. 配置单文件化：clawsqlite.toml 集中管理，拒绝环境变量碎片化配置
5. 降级模式支持：--allow-heuristic 等参数支持离线/低资源环境运行
潜在缺点与局限性
- Python 环境依赖：需预装 Python 及 PyPI 包，非独立二进制，Windows 兼容性未明确
- LLM/Embedding 外接依赖：核心功能（标题生成、向量化）依赖外部 API 或本地模型配置，开箱非即用
- 无可视化界面：纯 CLI 工具，非技术用户门槛较高
- 版本锁定严格：
clawsqlite==1.0.10固定版本，可能滞后于上游更新 - 单实例单库设计：默认
default实例，多知识库管理需手动切换目录
适合人群
- 注重数据隐私的技术从业者
- 需构建本地化知识管道的开发者
- 熟悉 CLI 工作流、具备 Python 环境配置能力的用户
- 需要结构化知识检索但无需企业级规模的个人或小型团队
常规风险
| 风险类别 | 说明 |
|---------|------|
| 配置错误 | `clawsqlite.toml` 路径或格式错误将导致 CLI 无法启动，需严格遵循 instance home 规范 |
| Embedding 模型失效 | 本地模型路径变更或 API 密钥过期会导致向量化失败，检索退化为纯关键词模式 |
| 存储膨胀 | 全文索引 + 向量索引双重存储，长期运行需定期执行 `cleanup`/`backup` |
| 误删风险 | `--days` 参数在 `cleanup` 中不可逆，建议始终先用 `--dry-run` 验证 |
| 供应商锁定 | 严格模式强依赖配置的 LLM/Embedding 提供商，切换成本较高 |