除了本文的skill方式，新版Dify与RAGFlow也提供MCP server，智能体可以通过MCP方式接入。

摘要

OpenClaw（龙虾）是一款面向多平台接入、任务执行、工具调度的执行型 AI Agent，负责完成决策与动作执行；Dify 主打轻量可视化 RAG 与流程编排，RAGFlow 专注企业级私有知识库深度解析与精准检索，二者负责知识供给。

本文提供OpenClaw 主动调用 Dify / RAGFlow 的标准化、可落地集成方案，基于官方 Skill 插件实现无侵入对接，同时详细说明两款官方技能内置能力，适用于企业 Agent + 私有知识库场景，全文可直接用于技术方案/技术文章。

一、整体架构说明

1.1 核心定位

• OpenClaw：多渠道接入（企微/飞书/Discord）、会话管理、工具调度、任务执行
• Dify：轻量知识库、对话流程、API 服务
• RAGFlow：企业级文档解析、深度检索、重排、知识图谱

1.2 集成模式（本文仅实现：OpenClaw 主动调用）

用户 → OpenClaw → Dify/RAGFlow Skill → 检索知识库 → 整理回答 → 返回用户

二、环境与版本要求

必备依赖

pip install openclaw_skill requests

三、Dify-KB-Search 技能详解

3.1 技能基础信息

• 技能名称：dify-kb-search
• 作者：yingfeng
• 适配版本：Dify≥0.6、OpenClaw≥1.2
• 获取地址：clawhub install yingfeng/dify-kb-search

3.2 技能核心内置能力

1. 多策略混合检索
   支持语义检索、关键词检索、混合检索三种模式，适配问答、文档查找、资料匹配不同场景
2. 批量片段召回
   可自定义配置 TopK 召回数量，灵活控制知识库引用内容长度
3. 全局默认知识库绑定
   支持预设默认数据集ID，无需每次调用手动传入知识库标识
4. 统一鉴权封装
   内置Dify标准API鉴权逻辑，自动携带密钥请求，无需业务层处理认证
5. 异常自动捕获
   内置网络超时、接口报错、空结果异常捕获，向上层Agent友好返回错误提示
6. 会话上下文联动
   可承接OpenClaw多轮对话上下文，结合历史对话精准优化检索问句
7. 结果精简预处理
   自动过滤无效空文本、重复片段，减少大模型冗余输入

3.3 Dify 侧配置

1. 部署 Dify（Docker Compose）

git clone https://github.com/langgenius/dify.git
cd dify
docker-compose up -d

2. 创建知识库 → 上传文档 → 完成向量化
3. 获取：
   • Dify 地址：http://IP:8000
   • API Key：工作台 → API 访问 → 生成
   • 数据集 ID（可选）

3.4 OpenClaw 安装 Dify 官方技能

3.4.1 技能安装

cd ~/.openclaw/workspace/skills
clawhub install yingfeng/dify-kb-search

3.4.2 技能配置 config.yaml

dify_base_url: "http://192.168.1.100:8000"
dify_api_key: "app-xxxxxx"
default_dataset_id: "xxxx-xxxx-xxxx"
search_strategy: "hybrid"
top_k: 5

3.4.3 重启 OpenClaw

openclaw restart

3.5 调用规则（SOUL.md 配置）

你必须优先使用 dify-kb-search 工具检索知识库，回答必须基于检索结果，禁止编造。

3.6 调用流程

1. 用户提问
2. OpenClaw 自动调用 dify-kb-search
3. Dify 返回检索片段
4. OpenClaw 组织语言并回复

四、RAGFlow-Skill 技能详解（企业首选）

4.1 技能基础信息

• 技能名称：ragflow-skill
• 作者：yingfeng
• 适配版本：RAGFlow≥0.10、OpenClaw≥1.2
• 获取地址：clawhub install yingfeng/ragflow-skill

4.2 技能核心内置能力

1. 企业级高精度文档检索
   适配PDF、Word、Excel、扫描件等复杂办公文档检索，贴合企业内部资料场景
2. 检索结果智能重排
   一键开启Rerank重排机制，优化检索排序，优先匹配高相关核心内容
3. 多数据集自由切换
   支持预设默认数据集，同时支持运行时动态指定不同业务知识库查询
4. 长文本分片适配
   完美兼容RAGFlow长文档分块逻辑，精准调取长业务文档分段内容
5. 私有化内网专属适配
   专为内网离线私有化部署优化，无外网依赖，适配政企隔离环境
6. 接口请求轻量化封装
   统一封装RAGFlow标准检索API，简化调用逻辑，无需研读原生接口文档
7. 权限隔离调用
   依托RAGFlow密钥体系，实现知识库访问权限管控，保障内部资料安全
8. 检索日志透传
   可向上层透出检索来源、文档名称、片段位置，便于溯源与内容核对
9. 低资源兼容
   轻量化运行，不占用OpenClaw主进程算力，并发调用稳定性强

4.3 RAGFlow 侧配置

1. 部署 RAGFlow

git clone https://github.com/infiniflow/ragflow.git
cd ragflow
docker-compose up -d

2. 创建数据集 → 上传文档 → 完成解析与索引
3. 获取：
   • 地址：http://IP:9380
   • API Key：设置 → API Key
   • 数据集 ID

4.4 OpenClaw 安装 RAGFlow 官方技能

4.4.1 技能安装

cd ~/.openclaw/workspace/skills
clawhub install yingfeng/ragflow-skill

4.4.2 技能配置 config.yaml

ragflow_base_url: "http://192.168.1.150:9380"
ragflow_api_key: "sk-xxxxxx"
default_dataset_id: "xxxx-xxxx-xxxx"
top_k: 5
rerank: true

4.4.3 重启 OpenClaw

openclaw restart

4.5 调用规则（SOUL.md 配置）

你必须使用 ragflow-skill 查询企业私有知识库，严格依据检索结果回答，不允许虚构内容。

4.6 调用流程

1. 用户提问
2. OpenClaw 调用 ragflow-skill
3. RAGFlow 深度检索 + 重排返回
4. OpenClaw 输出精准答案

五、技能目录与自定义 RAG 技能模板（通用）

若需对接私有 RAG，可使用以下标准模板。

5.1 目录结构

my-rag-skill/
├── __init__.py
├── skill.yaml
├── config.yaml
└── main.py

5.2 skill.yaml

name: my-rag-skill
version: 1.0.0
description: 自定义 RAG 检索技能
author: tech
entry: main:Skill

5.3 main.py（通用调用代码）

import requests
from openclaw_skill import Skill, skill

class Skill(Skill):
    def __init__(self, config):
        self.base_url = config["base_url"]
        self.api_key = config["api_key"]
        self.dataset_id = config["dataset_id"]

    @skill
    def retrieve(self, query: str):
        headers = {"Authorization": f"Bearer {self.api_key}"}
        data = {"query": query, "dataset_id": self.dataset_id}
        resp = requests.post(f"{self.base_url}/retrieve", json=data, headers=headers)
        return resp.json()

六、常见问题排查

1. 调用超时

   • 检查 IP 必须是内网/宿主机 IP，不要用 127.0.0.1
   • 防火墙开放端口

2. 认证失败

   • API Key 正确
   • Header 格式：Bearer {token}

3. 技能不加载

   • 目录必须放在 ~/.openclaw/workspace/skills
   • 执行 openclaw restart

4. 检索为空

   • Dify：文档已完成向量化
   • RAGFlow：文档解析成功、索引完成

七、方案选型建议

八、总结

本文提供了 OpenClaw 调用 Dify / RAGFlow 的官方标准方案，同时完整梳理两款官方RAG技能全部内置能力：

1. 两款技能均基于OpenClaw标准插件体系开发，无侵入、稳定可靠
2. Dify技能偏向轻量化通用知识库检索，满足日常问答、资料查询
3. RAGFlow技能偏向企业私有化复杂文档场景，具备高精度检索、内容溯源、安全管控能力
4. 配置简单、可直接用于生产，同时支持自定义RAG技能横向扩展
5. 完美实现Agent执行能力+知识库知识能力双向融合，快速落地行业智能问答、内部知识库助手等业务