Eine umfassende Dokumentenverarbeitungs-Fähigkeit, die den Lernfortschritt über mehrere Sitzungen hinweg verfolgt und gleichzeitig eine dauerhafte Wissensdatenbank aufbaut.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install document-learning
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, document-learning über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Dokumenten-Lernsystem?
Das Dokumenten-Lernsystem ist ein hochentwickeltes Framework, das darauf ausgelegt ist, AI agents die Aufnahme, Verarbeitung und Speicherung komplexer Informationen aus umfangreichen Dokumenten zu ermöglichen. Es geht über das einfache Lesen von Dateien hinaus, indem es ein robustes Lesezeichensystem implementiert, das es Benutzern erlaubt, Lernsitzungen in verschiedenen Dateiformaten, einschließlich hochkapazitiver PDFs und Textdateien, zu unterbrechen und fortzusetzen.
Durch die Nutzung von Openclaw Skills lässt sich dieses System direkt in Langzeitgedächtnisstrukturen integrieren, wodurch sichergestellt wird, dass jede während einer Lese-Sitzung extrahierte Erkenntnis dauerhaft gespeichert und durchsuchbar ist. Es ist speziell für Multi-Dokument-Workflows konzipiert, sodass Entwickler und Forscher mit mehreren technischen Handbüchern oder Büchern jonglieren können, ohne den Fortschritt oder Kontext zu verlieren.
Dokumenten-Lernsystem Anwendungsfälle
- Lernen komplexer technischer Handbücher oder Treiberspezifikationen über mehrere Tage hinweg.
- Verwaltung wissenschaftlicher Forschung durch gleichzeitige Verfolgung des Fortschritts in mehreren Whitepapern und Lehrbüchern.
- Aufbau einer durchsuchbaren Unternehmenswissensdatenbank aus vorhandenen PDF-Dokumenten und Textprotokollen.
- Zusammenfassung langer Inhalte Kapitel für Kapitel unter Beibehaltung einer permanenten Aufzeichnung in MEMORY.md.
So funktioniert Dokumenten-Lernsystem
- Der Benutzer initiiert eine Sitzung durch Bereitstellung eines Dokumentenpfads oder Hochladen einer Datei, die das System extrahiert und indiziert.
- Im Fortschrittsspeicher wird ein anfänglicher Fortschrittseintrag erstellt, um Kapitel oder Seitenzahlen zu überwachen.
- Inhalte werden in Blöcken (Chunks) verarbeitet, um die Speichereffizienz zu verwalten, insbesondere bei Dateien über 100MB.
- Wichtige Konzepte und Zusammenfassungen werden automatisch extrahiert und an MEMORY.md sowie datierte Sitzungsnotizen angehängt.
- Auf Anfrage greift das System auf den Fortschrittsspeicher zu, um das Lernen genau an der Stelle fortzusetzen, an der es zuletzt unterbrochen wurde.
Dokumenten-Lernsystem Einrichtung
Um die Dokumenten-Lernfunktionen in Ihrer Umgebung zu aktivieren, stellen Sie sicher, dass die erforderlichen Python-Abhängigkeiten für die PDF-Verarbeitung vorhanden sind, und verwenden Sie dann das integrierte Skript.
# Installieren der erforderlichen PDF-Verarbeitungsbibliothek
pip install pdfplumber
# Starten des Lernens eines neuen Dokuments
# Verwenden Sie den Befehl: Please learn this document: [filename]
Dokumenten-Lernsystem Datenschema & Taxonomie
Diese Fähigkeit organisiert Lerndaten durch eine strukturierte Taxonomie, um Beständigkeit und einfache Abrufbarkeit zu gewährleisten.
| Komponente | Speicherort / Format | Zweck |
|---|---|---|
| Langzeitgedächtnis | MEMORY.md |
Dauerhafte Speicherung extrahierter Kernkonzepte und Fakten. |
| Sitzungsprotokolle | memory/YYYY-MM-DD.md |
Detaillierte Notizen und Zusammenfassungen spezifischer Lerntage. |
| Fortschrittsspeicher | Internes JSON/Metadata | Verfolgt Dateinamen, letzte Seite/Kapitel und Fortschrittsprozent. |
| Große Dateien | PDF, TXT, MD, LOG | Quellmaterial, das für stückweise Aufnahme unterstützt wird. |
Dokumenten-Lernsystem Erweiterte Funktionen
- Parallele Multi-Dokument-Verfolgung: Wechseln Sie zwischen verschiedenen Handbüchern, ohne das Lesezeichen für eine einzelne Datei zu verlieren.
- Automatische Kodierungserkennung: Hohe Ausfallsicherheit bei der Verarbeitung von Textdateien mit variierenden Zeichensätzen.
- Visuelle Fortschrittsberichterstattung: Generieren Sie Statuszusammenfassungen, die den Fortschritt für Ihre gesamte Bibliothek anzeigen.
- Integrierte Gedächtnissuche: Verwenden Sie das memory_search-Tool, um in allen zuvor verarbeiteten Dokumenten erlernte Fakten abzufragen.
- Manuelle Navigation: Möglichkeit, zu bestimmten Kapiteln oder Abschnitten zu springen und die automatische Lesezeichensetzung zu überschreiben.
SKILL.md
Laden
Verwandte Openclaw-Skills
Atomic RAG Wissensdatenbank
Ein fortschrittlicher Wissensdatenbank-Builder, der PDF-Dokumente in atomare, logisch vollständige Einheiten für hochpräzise Retrieval-Augmented Generation (RAG) zerlegt.
Academic Deep Research
Ein methodischer Forschungsrahmen für KI-Agenten, der durch verbindliche Forschungszyklen und formale akademische Standards erschöpfende Untersuchungen durchführt.
Academic Writing
Ein spezialisierter AI-Agenten-Skill, der entwickelt wurde, um wissenschaftliches Schreiben, Literaturrecherchen und die Erarbeitung von Thesen unter strikter Wahrung der akademischen Integrität zu optimieren.
A-Aktien-Handelsassistent
Ein professioneller KI-Handelsassistent, der Echtzeitdaten und technische Analysen für den chinesischen A-Aktienmarkt bereitstellt.
AI-Resume-Judge
Ein KI-gestütztes Lebenslauf-Bewertungssystem, das quantitative Punktzahlen, branchenübergreifende Äquivalenzzuordnungen und umsetzbare Verbesserungsvorschläge bietet.
AgentID MCP
Verbinden Sie Claude Code mit AgentID für persistenten gemeinsamen Speicher, Live-Aktivitätsberichte und nahtlose Multi-Agenten-Missionskoordination.
Hervorgehoben*
