你的閱讀筆記在哪裡？
有些在 Notion，有些在 Google Docs，有些在手機備忘錄，有些是拍照存在相簿裡的書頁，有些是下載後從沒打開過的 PDF。
散落各處。你知道自己讀過什麼，但找不到自己寫過什麼。
「知識漏斗」（Knowledge Funnel），知識管理有四層。資訊進來、筆記記下、知識沉澱、行動產出。多數人卡在第一層：收藏了 500 個書籤但從來不回頭看。OpenClaw 能自動化的，是第二層和第三層。
這篇教你用 OpenClaw 建一套自動化的個人知識庫。不是教你用 Notion 手動分類，是教你讓 AI 自動做這件事。
痛點：為什麼你的知識管理總是失敗
你試過的方法：
在 Notion 建了一個精美的資料庫模板，用了三天就懶得維護。在 Evernote 剪了 200 篇文章，再也沒打開過。在桌面建了一個「待整理」資料夾，現在裡面有 300 個檔案。
問題不是工具不好。問題是你用的是「手動系統」。任何需要你每次手動做的事，最終都會被放棄。
解法：讓 AI 自動做。你只負責「丟進去」，OpenClaw 負責「整理好」。
架構：知識漏斗的四層
第一層：收集（你做）
把任何你想保存的東西丟到一個固定的資料夾。PDF、文字筆記、網頁截圖，全部丟進去。不分類、不整理。
建一個收集資料夾：
mkdir ~/Knowledge/inbox第二層：處理（OpenClaw 自動做）
OpenClaw 定期掃描 inbox，讀取每個檔案，產出摘要，自動分類。
第三層：結構化（OpenClaw 自動做）
把處理過的筆記整理成結構化的知識卡片，存入對應的主題資料夾。
第四層：應用（你做）
需要某個主題的知識時，問 OpenClaw，它從你的知識庫裡找答案。
你只需要做第一層和第四層。中間兩層全自動。
設定步驟
步驟一：建立資料夾結構
mkdir -p ~/Knowledge/{inbox,processed,library}
mkdir -p ~/Knowledge/library/{business,tech,leadership,reading-notes}inbox 是收集箱。processed 是 OpenClaw 處理中的暫存區。library 是最終的知識庫。
步驟二：寫 Heartbeat 排程
在 HEARTBEAT.md 加入：
# 知識庫自動整理（每天 14:00 和 22:00）
- 每天 14:00 和 22:00：掃描 ~/Knowledge/inbox 資料夾
- 如果有新檔案：
1. 讀取檔案內容（PDF 提取文字、Word/Excel 解析內容、圖片 OCR）
2. 產出 200 字以內的摘要
3. 判斷主題分類（business/tech/leadership/reading-notes）
4. 建立一個 Markdown 筆記卡片，格式如下：
# [原檔名]
日期：[today]
分類：[分類]
摘要：[200字摘要]
關鍵概念：[3-5個]
---
[原文重點節錄]
5. 把筆記卡片存到 ~/Knowledge/library/[分類]/
6. 把原檔案移到 ~/Knowledge/processed/
7. 在 Telegram 通知我：「整理了 N 個新檔案」OpenClaw 會每天兩次自動處理你丟進 inbox 的所有東西。
步驟三：建立搜尋技能
在 ~/.openclaw/skills/ 建一個知識搜尋技能：
mkdir -p ~/.openclaw/skills/knowledge-searchSKILL.md 內容：
# Knowledge Search
## 描述
在 ~/Knowledge/library/ 資料夾中搜尋指定主題的筆記。
回傳相關筆記的摘要和關鍵概念。
## 使用方式
使用者說「找 [主題] 的筆記」時觸發。
搜尋所有子資料夾中的 .md 檔案，找出包含相關關鍵字的筆記，
按相關度排序，回傳前 5 筆的摘要。設好之後，你在 Telegram 上說「找商業模式相關的筆記」，OpenClaw 就會從你的知識庫裡搜尋並回傳結果。
實際操作範例
場景一：整理一本書的閱讀筆記
你讀完一本書，在手機上打了幾段心得。把文字檔丟進 inbox。
下午兩點，OpenClaw 自動處理。產出一張筆記卡片：
# running-lean-notes.txt
日期：2026-02-18
分類：business
摘要：Running Lean 的核心是在資源耗盡前找到 product-market fit。
三步驟：Document Plan A → Identify Riskiest Parts → Systematically Test。
MVP 的重點不是最小功能，是最小的驗證範圍。
關鍵概念：MVP, Product-Market Fit, Lean Canvas, 風險排序
---
- 最大的浪費是做出沒人要的東西
- Plan A 永遠是錯的，但你需要一個起點
- 客戶訪談比問卷調查有效 10 倍你什麼都不用做。晚上打開 Telegram 看到通知：「整理了 1 個新檔案」。
場景二：批量處理研究 PDF
你下載了 10 篇研究報告。全部拖進 inbox。
OpenClaw 一次處理 10 個檔案，每個產出摘要和分類。一個小時後你的 library 裡多了 10 張結構化的筆記卡片。
你不需要打開任何一份 PDF 來「讀」。需要用到的時候，在 Telegram 上問 OpenClaw：「上週那些 AI 相關的研究報告，有哪些提到 hallucination 的？」
它從你的知識庫搜尋，回你三篇摘要和關鍵段落。
場景三：Word/Excel 報告自動歸檔
客戶寄來 5 份 Word 合約和 3 份 Excel 報表。全部拖進 inbox。
OpenClaw 讀取 Word 裡的文字內容，抓 Excel 裡的欄位標題和關鍵數據，各自產出摘要。合約類的歸到 business/contracts，報表類的歸到 business/reports。你不需要一份一份打開讀。
需要查某個客戶的條款時，問 OpenClaw 就好。「上週那個供應商的合約，交期寫幾天？」它從歸檔的摘要裡直接找到答案。
場景四：日常碎片整理
白天看到一個好觀點，在手機上打三行字存進 inbox。聽到一個有用的數據，打五行字存進去。晚上回家發現 OpenClaw 已經把這些碎片整理好了。
一個月後你的知識庫裡有 60 到 90 張筆記卡片。全部結構化、可搜尋、自動分類。你沒有花任何時間「整理」。
跟 Notion 比起來
| 功能 | Notion | OpenClaw 知識庫 |
|---|---|---|
| 新增筆記 | 打開 Notion，選資料庫，填欄位 | 丟檔案進 inbox |
| 自動分類 | 手動選標籤 | AI 自動判斷 |
| PDF/Word/Excel 處理 | 需要 Notion AI（付費），僅限 Notion 內 | 本地模型（免費），支援全格式 |
| 搜尋 | 關鍵字搜尋 | 語意搜尋（AI 理解上下文） |
| 維護成本 | 需要持續手動維護 | 自動化，幾乎零維護 |
| 資料隱私 | 存在 Notion 伺服器 | 存在你的電腦上 |
Notion 是很好的筆記工具。但它需要你「手動整理」。OpenClaw 的價值在於把「整理」這個最花時間、最容易放棄的步驟自動化。
進階：知識庫搭配內容創作
如果你是內容創作者，這套系統的價值會更大。
當你要寫一篇文章時，不需要從零開始。在 Telegram 上說：「找 AI 決策相關的筆記，幫我整理出可以用在文章裡的觀點和案例。」
OpenClaw 從你過去幾個月的閱讀筆記裡挖出相關內容，整理成一份「寫作素材包」。
你的知識庫越大，這個功能越強。因為它搜尋的範圍是你所有的閱讀積累，不是臨時 Google 找的資料。
常見問題
本地模型處理 PDF 品質夠嗎？
看 PDF 的長度和複雜度。10 頁以內的報告，qwen2.5:32b 處理得很好。超過 50 頁的長文件，建議切換雲端模型。或者讓 OpenClaw 先分段處理，再合併摘要。
更完整的模型配置？讀「Ollama 教學 2026」。
inbox 丟什麼格式都可以嗎？
PDF、Word（.docx）、純文字（.txt, .md）、Excel（.xlsx）都可以。圖片檔（.png, .jpg）需要有 OCR 能力的模型。建議主要用 PDF 和純文字。
分類不準怎麼辦？
在 HEARTBEAT.md 裡加上更具體的分類指引。例如：「如果內容提到商業模式、營收、獲利，分類到 business。如果提到程式碼、API、部署，分類到 tech。」越具體，分類越準。
知識管理的核心困難從來不是「怎麼記」，是「怎麼持續」。任何需要手動做的系統都會被放棄。OpenClaw 把這個問題解決了：你只負責丟東西進去，AI 負責整理。
「知識漏斗」的四層，你做第一層和第四層，OpenClaw 做第二層和第三層。這不是懶，是把精力放在該放的地方。收集和應用需要你的判斷力。整理和分類不需要。
想了解 OpenClaw 的其他場景應用？讀「OpenClaw 懶人包」。想從零開始設定？讀「OpenClaw 完整教學 2026」。
