用途：为 OpenClaw 实现检索增强生成，使 AI 模型能查询外部知识库并把结果融入回答，提升问答等任务准确性。当 AI 需要动态访问外部数据（如查询向量数据库获取实时信息、弥补模型知识缺口、增强聊天机器人回复）时使用；纯生成且无外部依赖的任务不宜使用。
主要能力：从向量数据库（如 Pinecone、FAISS）通过相似度检索获取文档；将检索内容整合进 AI 提示词；支持嵌入模型对查询做向量化（如经 Hugging Face transformers）；处理大文档分块与相关性评分；通过 JSON 文件配置自定义数据源与阈值。
使用方式：先设置环境变量 export OPENCLAW_API_KEY=$SERVICE_API_KEY。CLI 使用 openclaw rag，示例：openclaw rag query --db pinecone --index myindex --query "What is RAG?" --top-k 5，标志含 --db、--index、--top-k、--query。API 端点为 POST /v1/rag/retrieve，请求体如 {"query": "Explain AI", "db": "pinecone", "top_k": 3}，响应为含 results、scores 的 JSON。Python 中可导入 openclaw，创建 client 后调用 client.rag.retrieve()。配置用 JSON 文件，经 openclaw rag config load --file rag_config.json 加载。整体模式为 查询→检索→增强→生成；异步环境可用 await client.rag.retrieve_async()。
适用场景：为 AI 流水线包装 RAG 调用，先取上下文再送入模型提示词；可与 aiml 技能链式配合，将 RAG 结果作为生成技能输入；建议在沙箱中用模拟数据库测试数据流。
限制与注意：查询应低于 512 tokens 以避免截断；需先验证环境变量以排查 401 未授权；查询错误可捕获 RetrievalError 并用指数退避重试，404 表示数据库不存在需先建索引；调用前校验输入类型，可用 --debug 查看详细输出。官方未提供收费、价格、平台与效果等信息。