docx 报表进 OpenClaw 本地 RAG：memory 索引实践与 6 个坑

正文：

D1 把对话模型换到本机 Ollama 之后，D2 的问题变成：业务里的 docx、xlsx 报表，能不能不进云、在内网完成建库和检索。

我选了一批电力见证资料做验证------逆变器/开关柜/汇流箱见证表、实施表等。OpenClaw 走 memory-core，嵌入用 Ollama 的 nomic-embed-text，对话仍用 qwen2.5:7b。

为什么要先转 Markdown

memory-core 的 extraPaths 目前主要索引 .md。所以 D2 的流水线是：

bash 复制代码

raw(docx/xlsx) → 转换脚本 → md → workspace/knowledge/ → memory index → 检索/对话

这不是最终形态，但足够验证「内网 RAG 能不能跑通」。

操作步骤

1. 原始文件放 raw 目录

建议目录名用英文，例如 power-witness/raw，避免 PowerShell 读中文路径失败。

2. docx 转 md

Windows 上可用 Word COM 脚本批量转，转完检查 md 是否有正文，空文件多半是扫描图。

3. 同步到 OpenClaw workspace

md 需要出现在容器挂载的 workspace 下，例如 knowledge/power-witness/。

4. 拉 embedding 模型

powershell 复制代码

ollama pull nomic-embed-text

5. 写配置

json 复制代码

"memorySearch": {
  "provider": "ollama",
  "model": "nomic-embed-text",
  "remote": { "baseUrl": "http://host.docker.internal:11434" },
  "extraPaths": ["knowledge/power-witness"],
  "query": { "maxResults": 3 }
},
"tools": {
  "profile": "messaging",
  "alsoAllow": ["group:memory"]
},
"plugins": { "slots": { "memory": "memory-core" } }

PowerShell 写 JSON 数组时，用单引号整段传递，例如：

powershell 复制代码

$json = '["group:memory"]'
docker compose run --rm --entrypoint node openclaw-gateway dist/index.js config set tools.alsoAllow $json --strict-json

不要用 tools.allow 只留 memory 两个工具，会导致对话侧报 no registered tools matched。

6. 建索引并验证

powershell 复制代码

docker compose restart openclaw-gateway

docker compose run --rm --entrypoint node openclaw-gateway dist/index.js memory status --deep

docker compose run --rm --entrypoint node openclaw-gateway dist/index.js memory index --force --verbose

docker compose run --rm --entrypoint node openclaw-gateway dist/index.js memory search "逆变器见证"

我这边结果是 8/8 files、218 chunks。如果 status 显示 0/0，不是配置错了，通常是还没跑 index。

踩坑与解决

1. PowerShell 脚本语法错误


现象	运行转换脚本报 ParserError，提示数组索引表达式丢失
原因	`Write-Host "[ERR] ..."` 中括号被解析
解决	改为 `Write-Host 'ERR: ...'`，或输出 OK / FAIL 不带方括号

2. raw 目录读不到文件


现象	脚本提示 no docx/xlsx files，资源管理器里明明有
原因	文件在中文目录 `电力见证\raw`，脚本读英文 `power-witness\raw`
解决	统一拷到英文目录；先执行 `Get-ChildItem -LiteralPath "...\power-witness\raw"` 确认

3. 索引 0/0


现象	`memory status --deep` 显示 Indexed 0/0，Dirty: yes
原因	只查了 status，没有执行 index
解决	运行 `memory index --force --verbose`，等到提示 Memory index updated

4. config set JSON 失败


现象	Too many arguments，或 Could not parse as JSON
原因	PowerShell 拆参数、吃掉 JSON 内部引号
解决	用变量：`$json = '["knowledge/power-witness"]'` 再 `--strict-json`；或直接改 openclaw.json

5. 对话无法调用 memory


现象	`no registered tools matched`
原因	`tools.allow` 覆盖 profile；`plugins.slots.memory` 未配置
解决	改用 `alsoAllow: ["group:memory"]`，加上 memory-core slot，重启 Gateway 后 New Chat

6. Gateway 起不来


现象	容器 Restarting，18789 拒绝连接
原因	配置写了无效字段 `limits`，日志 `memorySearch: Invalid input`
解决	删除非法字段，改用 `query.maxResults: 3`，再 `docker compose up -d`

7. 上下文溢出


现象	Context overflow，Auto-compaction could not recover
原因	7B 上下文有限，见证表 md 大，旧会话堆了失败记录
解决	New Chat；提问写短；限制 maxResults；可先用 CLI search 再把结果贴进对话

8. 检索结果不准


现象	问「叶片设备」，先命中「钢塔见证表」
原因	见证表结构相近，单文件 chunk 过多
解决	提问带文件名或表号；大表按设备拆分；后续加 metadata 与出处引用

CLI 验证示例：

powershell 复制代码

docker compose run --rm --entrypoint node openclaw-gateway dist/index.js memory search "叶片设备见证情况表"

Top1 文件对了，再在浏览器里问同样的问题。

小结与下一步

D2 的价值是跑通内网闭环：转换 → 索引 → CLI/对话检索。

局限也明确：docx 转 md 丢格式、Excel/扫描件要另做管道、7B 不适合长上下文堆叠。下一步会做 xlsx 结构化入库、PDF/OCR、回答附带文件出处。