基于 QClaw 多技能联动搭建航道法规 RAG 智能问答工作流，把内河通航知识库装进运维工控机

一、实现背景

在日常航道调度、现场巡检工作里，运维、调度人员经常会遇到各类法规、通航标准类问题：汛期不同吨位船舶允许最大吃水、桥区限速规定、船舶超限申报流程、航标布设规范等。

根据我多年行业接触经验，以往解决方式无非三种：翻阅厚厚的纸质规范手册、在网盘海量 PDF 里关键词检索、打电话咨询上级管理部门，单次问题查询耗时动辄十几分钟，遇到夜间应急处置场景，信息获取滞后很容易延误通航调度决策。

目前网上主流的 QClaw 玩法大多聚焦文档总结、表格处理、周报自动化，很少有人基于本地私有化 RAG 做垂直行业知识库落地。多数通用知识库方案依赖云端文件上传，航道行业的通航规范、内河管理细则属于行业内部资料，不能随意上传至公有云存储。

基于这个问题，我依托 QClaw 本地文件解析、自定义技能绑定、私有知识库挂载能力，搭建一套内网离线可用、多格式文档批量入库、微信远程问答的航道专属 RAG 智能问答工作流，不用部署向量数据库、不用额外开发服务，普通运维人员也能一键复刻落地。

二、详细复现步骤

步骤 1：前期资料规整与环境配置

1. 新建本地独立文件夹，统一存放航道相关资料：通航管理条例、汛期水位管控文件、船舶过闸申报规范、航标养护技术标准、事故处置预案，支持 PDF、Word、Excel、TXT 四种格式，剔除加密、扫描件类无法解析的文档。
2. 打开 QClaw 客户端，关闭云端文件自动同步、第三方数据上报功能，开启本地文件权限白名单，只允许读取提前建好的知识库文件夹，保障行业资料不外泄。
3. 微信绑定运维账号，开启文件远程调用、指令问答权限，支持手机端直接下发提问指令。

步骤 2：搭建文档批量向量化入库工作流

1. 触发方式：手动触发 + 定时增量触发（每日凌晨 2 点自动扫描文件夹新增文档）
2. 节点 1：本地批量文件读取，遍历指定知识库目录，过滤重复文件、空文件
3. 节点 2：文档预处理技能，自动拆分长文档、清洗冗余页眉页脚、去除表格无效换行内容
4. 节点 3：本地轻量向量分片存储，文档分片后保存在工控机本地向量缓存文件夹，不上传云端
5. 节点 4：入库结果日志本地留存，记录新增文档名称、分片数量、入库时间，生成入库统计表存档

步骤 3：搭建运维智能问答工作流

1. 触发方式：微信文字指令触发、客户端对话框手动提问两种模式
2. 节点 1：用户问题意图识别，区分法规查询、数值标准查询、流程咨询三类问题
3. 节点 2：本地向量相似度检索，从私有知识库匹配相似度 Top5 的文档片段
4. 节点 3：行业专属 Prompt 约束，限定回答只能依托检索到的航道资料，禁止模型编造规则，不确定内容直接反馈无相关条款
5. 节点 4：问答结果格式化输出，附带资料来源文件名、对应页码片段，微信端推送完整答案 + 参考出处
6. 节点 5：问答记录本地归档，自动保存历史提问、回答内容，用于后续知识库迭代优化

业务执行流程图：

步骤 4：配置专属行业问答提示词

你是内河智慧航道专业运维顾问，所有回答必须严格基于本地检索到的航道法规、通航标准、处置预案文档内容，禁止主观编造规则、标准数值。
回答结构分为两部分：第一部分给出简洁清晰的官方结论；第二部分标注参考文档名称与片段位置。
如果检索内容无法支撑用户问题，直接回复：当前知识库未收录相关管理条款，请核对问题或补充对应规范文档，不要随意推测作答。

当然这个只是我个人按照需求写的一个提示词，大家也可以根据实际情况，自行调整部分话术。

三、核心创新点

1. 部署模式创新：内网私有化 RAG 轻量化落地 摒弃传统 RAG 需要部署向量数据库、后端服务的复杂架构，依托 QClaw 原生本地缓存能力实现文档向量化存储，全程数据不离开航道工控内网，完美满足交通行业数据安全合规要求，填补了传统基建内网场景轻量化知识库玩法空白。
2. 交互方式创新：PC 端 + 微信端双渠道问答 打破只能在本机客户端操作的限制，运维人员外出巡检、夜间居家值守时，通过绑定的微信就能随时查询通航法规、处置流程，应急场景下信息获取效率大幅提升，属于通用 QClaw 玩法里很少覆盖的远程业务交互方案。
3. 迭代机制创新：知识库增量自动更新 设置定时增量入库节点，后续新下发的管理文件、最新汛期管控通知只需要丢进指定文件夹，系统会自动完成分片、向量化入库，不需要重复配置工作流，降低知识库后期维护成本，适合政策、规范频繁更新的政务类行业。
4. 可信度优化创新：回答绑定资料溯源 常规文档问答只输出结论，容易出现模型幻觉编造行业规则，本工作流强制附带文档来源，调度人员可以快速溯源核对官方原文，避免因 AI 错误回答引发通航安全、合规类风险。

四、适用人群

1. 智慧航道、海事、水利、港口行业研发、运维、调度工作人员，需要高频查阅行业规范、处置预案的从业者；
2. 传统内网政企单位行政、技术人员，想要低成本搭建部门内部知识库，禁止业务资料上云的用户；
3. AI Agent 技术爱好者，想要跳出通用办公场景，尝试垂直行业私有化 RAG 轻量化落地的开发者；
4. 项目管理人员，需要沉淀内部业务经验、规范流程，降低新人上手培训成本的团队负责人。

五、落地踩坑点及解决方案

踩坑 1：加密 PDF、扫描版文件无法解析，导致文档入库失败

解决方案：提前统一将扫描件通过 OCR 工具转成可编辑 PDF，加密文档解密后再放入知识库目录，在工作流前置节点增加文件格式校验，异常文件自动汇总生成错误清单提醒用户处理。

踩坑 2：单份超大规范文档拆分不合理，出现上下文断裂，问答答案不完整

解决方案：在文档预处理节点设置固定分片长度，同时开启分片重叠参数，相邻文档片段保留 15% 内容重叠，避免规则条款被拆分到不同片段导致检索缺失。

踩坑 3：知识库文档数量持续增加后，本地相似度检索速度变慢

解决方案：定期在空闲时段执行知识库冗余清理工作流，删除重复、过期作废的旧规范文件，对存量文档做索引压缩，同时限制单次检索返回片段数量，避免大篇幅文本增加模型推理耗时。

踩坑 4：用户提问表述口语化，出现意图匹配偏差，检索不到对应法规

解决方案：在意图识别节点增加航道行业同义词映射配置，比如 “限载”“吃水限制”“最大通航吨位” 做同义词绑定，同时在 Prompt 中引导模型对模糊问题先做关键词拆解再检索。

六、效果总结

这套 QClaw 私有化航道知识库工作流落地后，单条法规类问题查询耗时从平均 12 分钟压缩至 10 秒以内，新人运维人员可以快速查阅行业规范，大幅降低岗前培训成本；依托内网离线运行能力，既守住了行业数据安全底线，又发挥了 AI Agent 信息检索、智能问答的效率优势。

该玩法不仅可以复用到水运基建行业，同样适配政务、电力、轨道交通等各类内网场景，具备很强的行业二次传播与复用价值，为传统行业知识库数字化落地提供了低成本可落地的新思路。