正文：

D2 把 8 份电力见证 docx 跑进了 memory，CLI 能搜、浏览器也能调工具。做到这儿我发现还缺几件事：检查项那张 xlsx 一直没进库；问「叶片」经常撞到「钢塔」；每来一个新文件都要「转 md → 拷 workspace → 跑 index」三步，太碎。

D3 就是把这些补上，另外顺手试了一条文字型 PDF（电子发票），看 Word 能不能直接抽字进库。

整体思路

D2 的链路不变，只是中间多了一层「结构化」、末尾合成一条命令：

raw(docx/xlsx/pdf) → 转 md（带 YAML 头）→ workspace → memory index

见证表 md 头部会写上 device、doc_type、source_file 这类字段，后面检索时好区分。发票 PDF 我不打算整段正文入库，只保留 buyer_name、seller_name 这些 facts 字段，免得版式乱了以后更难搜。

配置还是 D2 那套，没大改：

"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" } }

入库和验证（我这边最后是 10/10 files、222 chunks，含 1 个 xlsx + 1 个 PDF）：

cd study\scripts
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass -Force
.\d3-ingest.ps1 -All

cd openclaw
docker compose exec -T openclaw-gateway node dist/index.js memory status --deep
docker compose exec -T openclaw-gateway node dist/index.js memory search "doc_type:checklist 检查项目"

单文件可以 -File "检查项目(1).xlsx"，只改 metadata 不重新转 Office 用 -MetadataOnly。

踩坑与解决

坑 1：跑 ingest 提示找不到脚本

现象：PowerShell 报 d3-ingest.ps1 不是命令。
原因：D2 只有转换脚本，一键入库脚本得单独写，我当时以为已经有了直接跑。
解决：确认 study\scripts\ 下有 d3-ingest.ps1 再执行。

坑 2：脚本里写中文，PowerShell 直接语法错误

现象：一运行满屏红字，elseif ($base -match '叶片') 附近解析失败，中文变成乱码。
原因：Windows 自带 PowerShell 5.1 吃 UTF-8 脚本很挑，字符串里的中文容易炸。
解决：脚本主体尽量英文；设备名、文件名映射放到单独的 d3-file-map.json 里用 UTF-8 读。

坑 3：md 有了 frontmatter，但全是 device: general

现象：转换是成功的，YAML 头也在，可设备类型没写上。
原因：规则在 PS 里匹配中文文件名没生效。
解决：改成 JSON 里按完整文件名映射；跑一遍 .\d3-ingest.ps1 -MetadataOnly 重刷头信息。

坑 4：xlsx 转出来了，索引还是 8/8

现象：demo-office\...\md\ 里能看到检查项目，但 memory status 不变。
原因：md 没同步进容器挂载的 workspace\knowledge\power-witness\，或者 Copy-Item *.md 漏了带括号的文件名。
解决：复制时逐个 -LiteralPath；同步完再 memory index --force。

坑 5：索引卡在 9/10，或报 database locked

现象：compose run 建索引失败，提示 sqlite 被占用；或者 status 差 1 个文件。
原因：Gateway 正在跑，和临时容器抢同一个库。
解决：先 docker compose restart openclaw-gateway，再用 exec 进正在跑的容器索引：

docker compose exec -T openclaw-gateway node dist/index.js memory index --force --verbose

坑 6：搜「叶片」还是钢塔排前面

现象：D2 的老问题还在，泛问容易撞到结构相近的见证表。
原因：钢塔那份 chunk 多，向量一泛搜就偏。
解决：检索词写具体一点，CLI 试过这两句差别很大：

# 容易偏
memory search "检查项目 叶片"
# Top1 比较稳
memory search "doc_type:checklist 检查项目"
memory search "source_file:叶片设备见证情况表"

坑 7：PDF 用 Word 打开，正文挤成一行

现象：电子发票能抽出字，但购销方两列糊在一起，中间还有怪字符。
原因：PDF 版式丢了，直接 Content.Text 不行。
解决：改用 Word 的表格读单元格，发票只输出 facts_only 几行字段，不保留大段原文。

坑 8：发票日期写成 2615-20-00

现象：文件名里明明有 20260302，md 里日期却离谱。
原因：正则 _(\d{8}) 先匹配到发票号里的 8 位数字了。
解决：改成匹配文件名末尾：_(\d{8})\d*\.pdf$。

小结

D3 对我来说主要是三件事：xlsx 和 PDF 也能进库了；md 带上设备/文档类型，检索没那么瞎；新增文件一条命令跑完，不用手动三步。

当然还不完美：扫描件 PDF 没碰；泛问见证表还是会混；浏览器里偶尔出现「工具返回对了、最终回答写歪了」——这个我打算放下一阶段，专门做来源引用和禁止改写。

后续计划

• 对话回答固定带文件名出处
• raw 目录监控，新文件自动 ingest
• 扫描 PDF 走 OCR 管道（还没开始）