kb-archiver

name	kb-archiver
description	智能本地知识库归档系统 v1.1.0。支持 AI 智能分类、批量归档、全文搜索、统计报告。 自动将文件分类归档到本地知识库，提取全文索引支持秒级搜索。 小文件存本地、大文件可对接云存储。支持 Excel/Word/PPT/PDF/TXT 等格式。 当用户需要：归档文件、建立知识库、全文检索文档内容、管理大量工作文档、批量处理文件夹时使用。 关键词：知识库、归档、文件管理、全文搜索、文档索引、批量归档、AI分类

知识库归档系统 v1.1.0

智能本地知识库归档方案，支持 AI 智能分类、批量归档、全文搜索、统计报告。

快速开始

单文件归档

# 基础用法（关键词分类）
node _scripts/archive.mjs /path/to/file.xlsx

# 指定分类
node _scripts/archive.mjs /path/to/file.xlsx "工作文件"

# AI 智能分类
node _scripts/archive.mjs /path/to/file.xlsx --ai-classify

批量归档

# 归档整个文件夹
node _scripts/archive.mjs /path/to/folder/

# 按文件类型过滤
node _scripts/archive.mjs /path/to/folder/ --pattern "*.xlsx"

# 批量 AI 分类
node _scripts/archive.mjs /path/to/folder/ --ai-classify

搜索

# 搜索关键词
node _scripts/archive.mjs search "门店"

# 按分类过滤
node _scripts/archive.mjs search "数据" --category "工作文件"

统计

node _scripts/archive.mjs stats

目录结构

knowledge-base/
├── 工作文件/          ← 数据报表、销售业绩等
├── 方案文档/          ← 计划方案、策略规划等
├── 参考资料/          ← 话术模板、培训教程等
├── 其他文档/          ← 未分类文档
├── _index/            ← 全文索引
│   ├── _manifest.json ← 归档清单
│   └── *.txt          ← 索引文件
└── _scripts/
    └── archive.mjs

分类说明

分类	关键词	说明
工作文件	数据、报表、统计、门店、业绩、订单	日常运营数据
方案文档	方案、计划、策略、制度、规范	规划类文档
参考资料	话术、模板、培训、教程、案例	学习参考材料
其他文档	-	不属于以上分类

AI 智能分类

使用 --ai-classify 参数启用 AI 分类：

• 基于文件名 + 内容摘要进行语义分析
• 自动判断最合适的分类
• AI 不可用时自动 fallback 到关键词匹配

配置方式（可选）：

# 设置环境变量
export OPENCLAW_MODEL="your-model"
export OPENCLAW_API_ENDPOINT="http://localhost:11434/api/chat"

支持格式

格式	提取方式	说明
.xlsx	Python openpyxl	Excel 表格
.docx	ZIP 解析	Word 文档
.pptx	ZIP 解析	PowerPoint
.pdf	直接读取	PDF 文本
.txt/.csv/.md/.json/.xml/.html/.log	直接读取	文本文件

云存储对接（可选）

支持腾讯云 COS、AWS S3、阿里云 OSS 等，修改脚本配置即可：

const CLOUD_STORAGE = {
  enabled: true,
  type: 'cos',
  bucket: 'mybucket-1250000000',
  prefix: 'knowledge-base/',
  command: (filepath, remotePath) => `coscmd upload "${filepath}" "${remotePath}"`,
};

FAQ

Q: 大文件如何处理？

A: 超过 10MB 的文件会自动上传到云存储（需配置），本地只保留索引。未配置云存储时会跳过上传但仍创建索引。

Q: 加密/密码保护的文件怎么办？

A: 加密的 Office 文件无法提取内容，会记录错误信息。建议先解密再归档。

Q: 文件损坏无法读取？

A: 脚本会捕获错误并记录，不会中断批量处理。损坏文件的索引会标注 [提取失败: ...]。

Q: 如何配置云存储？

腾讯云 COS：

# 安装 coscmd
pip install coscmd
# 配置
coscmd config -a <SecretId> -s <SecretKey> -b <Bucket> -r <Region>

AWS S3：

# 安装 aws-cli
pip install awscli
# 配置
aws configure

阿里云 OSS：

# 安装 ossutil
wget https://gosspublic.alicdn.com/ossutil/1.7.14/ossutil-v1.7.14-linux-amd64.zip
# 配置
./ossutil config

Q: 批量归档时如何跳过已存在的文件？

A: 脚本会自动检测清单中是否已存在相同文件名和大小的记录，已归档的文件会自动跳过。

Q: 搜索结果太多怎么办？

A: 使用 --category 参数按分类过滤，缩小搜索范围。

边界场景

场景	处理方式
文件不存在	报错退出
文件名重复	自动添加序号后缀
不支持的格式	创建索引但标注不支持提取
AI 分类失败	自动 fallback 到关键词分类
云存储上传失败	记录错误，继续创建本地索引
批量处理中断	已处理的文件已保存，可重新运行继续

更新日志

v1.1.0

• ✨ AI 智能分类（基于语义分析）
• ✨ 批量归档整个文件夹
• ✨ 搜索命令（高亮匹配结果）
• ✨ 统计命令（分类统计、总体统计）
• ✨ 进度条显示
• ✨ 文件过滤（--pattern）
• 📝 文档优化（FAQ、边界场景）

v1.0.0

• 🎉 初始版本
• ✨ 自动分类（关键词匹配）
• ✨ 全文索引
• ✨ 云存储支持