过去一段时间，我一直在思考一个问题：
如果 AI 已经可以帮我们写作、总结、检索和整理资料，为什么我们的知识库体验仍然这么割裂？
电脑上是一份文件，手机上是一份资料，云端又是一套系统。AI 看起来很聪明，但很多时候并不能真正操作我自己的本地知识库。
所以我开始搭建 NextClaw。
NextClaw 是一个私有化、本地部署的 AI 知识工作空间。它的目标不是再做一个新的笔记 App，也不是让用户把所有资料迁移到某个新的封闭系统里。
我更想做相反的事情：
让 AI 适应用户原来的文件、编辑器和设备。
文件仍然属于你，AI 围绕文件工作。
这就是 NextClaw 的出发点。
一、当前知识库的问题：文档散落、AI 工具封闭、隐私不可控
很多人现在都有类似的工作状态。
电脑里有一批 Markdown 文档，手机里有一些临时记录，iPad 上偶尔查看资料，云盘里放着 Office 文件，某个笔记 App 里还有一套历史知识库。
然后我们又开始使用各种 AI 工具。
AI 可以总结，可以写作，可以问答，可以生成文档。但问题是，它常常并不真正理解我的文件系统，也不能自然地进入我的工作流。
我遇到的第一个问题是：文档散落在不同设备和工具里。
有些资料在电脑本地，有些资料在手机，有些资料在云盘，有些资料在某个应用内部。真正需要使用的时候，经常要先想一遍：这个文件到底在哪里？
我遇到的第二个问题是：很多 AI 知识库工具是封闭的。
它们会要求你上传文件、导入笔记、迁移内容，甚至重新适应一套编辑器和工作方式。短期看起来方便，长期却形成新的锁定。
我遇到的第三个问题是：隐私和数据控制权不清晰。
如果知识库里有个人资料、团队文档、客户信息、项目记录、研究材料，我并不总是愿意把这些内容交给外部云端 AI 服务长期保存和处理。
这些问题叠在一起，就形成了一种很奇怪的割裂感：
我们有越来越强的 AI，但它并没有真正进入我们自己的知识系统。
二、我不想再迁移到另一个知识库 App
很多知识库产品的默认假设是：
你应该进入我的 App。
你应该用我的编辑器。
你应该把文件导入我的系统。
你应该在我的界面里完成所有事情。
但对我来说，这并不是理想状态。
因为编辑器不是一个简单的工具，它其实是工作习惯的一部分。
有人喜欢 Obsidian，因为它适合双链和本地 Markdown。
有人喜欢 Typora，因为它轻量、直接、接近写作本身。
有人喜欢 VSCode 或 Cursor，因为它们适合开发者的文件工作流。
有人每天都在用 Office 或 WPS，因为团队协作和正式文档离不开它们。
如果一个 AI 知识库要求用户放弃这些习惯，迁移到一个新的编辑环境里，它就不是在降低成本，而是在制造新的成本。
所以 NextClaw 的一个基本原则是：
不限定编辑器。
用户可以继续使用 Office、WPS、Obsidian、Typora、Cursor、VSCode，以及任何 Markdown 编辑器或本地文件编辑工具。
只要文件在同步目录中，它就是 NextClaw 可以感知、同步、检索和操作的知识资产。
这件事很重要。
因为我希望 AI 是加在现有工作流上的能力，而不是替代现有工作流的入口。
三、我希望 AI 围绕我的文件工作
我理想中的 AI 知识工作空间，不应该把“App”放在中心。
它应该把“文件”放在中心。
文件是最稳定的知识载体。
一个 Markdown 文件可以被很多编辑器打开。
一个 Office 文档可以在 Web、桌面端和移动端查看。
一个文件夹结构可以被同步、备份、迁移、版本管理。
只要文件还在，知识资产就不会完全依赖某个应用。
所以 NextClaw 的核心思路是：
以文件为中心，让同步系统、AI Agent、RAG 检索、长期记忆和业务系统围绕同一份知识资产协同工作。
具体来说：
用户在电脑上编辑文件。
Nextcloud 负责把文件同步到云端和其它设备。
OpenClaw Gateway 作为 AI 指令入口，可以读取和操作同一份同步文档库。
RAGFlow 负责对知识库进行检索和问答。
Graphiti 负责长期记忆和时序知识图谱。
Frappe 可以连接结构化业务对象和业务流程。
这样，AI 不再是一个孤立的聊天窗口，而是可以围绕用户真实的文件系统工作。
四、NextClaw 的核心设计
NextClaw 的架构并不追求把所有东西做成一个庞大的单体系统。
它更像是把几个成熟能力组合起来，让它们围绕同一份知识库协作。
1. Nextcloud 作为文件中心
Nextcloud 负责文件存储、跨端同步、权限管理、版本历史和多端访问。
用户的 PC、Mac、Linux 电脑、iPhone、Android 手机、iPad、Web 端，都可以围绕 Nextcloud 同步同一份知识库。
这意味着，用户不需要把知识库锁进某个单一应用里。
文件仍然以普通文件和文件夹的方式存在。
2. OpenClaw 作为 AI 指令入口
OpenClaw Gateway 负责接收用户指令，并把聊天消息转化为具体操作。
用户可以通过 Nextcloud Talk 或微信发送指令，例如：
• “帮我总结今天新增的笔记。” • “把这段会议记录整理成项目文档。” • “查一下知识库里关于 RAGFlow 的内容。” • “生成一份 NextClaw 产品介绍。”
OpenClaw 接收到指令后，可以在本地同步目录中查看、生成、修改或检索文件。
3. RAGFlow 负责知识库检索
当用户问的问题需要查找已有文档时，OpenClaw 可以调用 RAGFlow。
RAGFlow 负责文档解析、Chunking、Embedding、关键词检索、向量检索、混合检索和 Rerank。
简单说，它让 NextClaw 不只是“能存文件”，而是“能从文件里找答案”。
4. Graphiti 负责长期记忆
RAG 主要解决的是从文档中检索内容。
但真正的 AI 助手还需要长期记忆：用户偏好、历史上下文、实体关系、时间变化、事实来源。
Graphiti 在 NextClaw 中承担长期记忆和时序知识图谱的角色。
它让 AI 不只是回答一次问题，而是能在长期使用中逐渐理解用户和知识结构。
5. Frappe 连接结构化业务系统
文档知识库之外，还有很多结构化数据。
比如客户、项目、任务、审批、报表、库存、工单。
Frappe 可以承载这些业务对象，OpenClaw 则可以通过 Skills 调用 Frappe REST API，让用户通过聊天指令操作业务系统。
这样，NextClaw 不只是个人知识库，也可以逐渐扩展为团队和组织的 AI 工作空间。
五、NextClaw 的能力
NextClaw 当前已经具备一套完整的产品能力清单。
第一，它已经支持跨终端同步。
知识库可以在 App 端、Web 端、PC 端之间同步。Windows、macOS、Linux、Android、iPhone、iPad 等设备可以围绕同一份知识库工作。
第二，它不限定文档编辑器。
用户可以继续使用 Office、WPS、Obsidian、Typora、Cursor、VSCode，以及其它任何 Markdown 编辑器或本地文件编辑工具。
第三，它可以保持在线，随时待命。
OpenClaw Gateway 部署在服务器或常驻主机上后，可以持续接收来自微信、Nextcloud Talk 等入口的命令。
第四，它支持移动端随时下达命令。
用户不在电脑前时，也可以通过手机向 AI 发出指令，让 AI 检索、整理、生成或修改文档。
第五，它支持私有化部署和个人服务器存储。
文件、消息、知识索引、长期记忆和业务数据都可以部署在用户自己的设备、服务器或私有云环境中。
第六，它已经接入 RAGFlow、Graphiti 和 Frappe。
这意味着 NextClaw 不只是文件同步工具，也不只是聊天机器人，而是正在形成一个围绕文件、知识、记忆和业务流程的 AI 工作空间。
六、我真正想解决的，是知识工作的“最后一公里”
我并不认为 AI 知识库的关键只是模型更强。
模型当然重要。
但在真实工作中，更大的问题往往是：
AI 能不能看到我的文件？
AI 能不能理解我原来的目录结构？
AI 能不能在不破坏我工作习惯的情况下帮我做事？
AI 能不能在手机上随时被调用？
AI 生成的结果能不能回到我的电脑、手机、iPad 和服务器里？
AI 能不能在私有化环境中运行，而不是把所有资料交给外部平台？
这些问题才是知识工作的“最后一公里”。
NextClaw 想解决的正是这一公里。
不是让用户围绕 AI 工具重新组织自己。
而是让 AI 围绕用户已有的文件、设备、编辑器和工作流运转。
七、后续我会持续分享什么
这篇文章只是 NextClaw 系列的开始。
后续我会继续分享：
• 为什么知识库应该跨设备实时同步 • 为什么 AI 知识库不应该绑定编辑器 • 如何把微信变成私人知识库的 AI 命令入口 • 私有化 RAG 和长期记忆应该如何协同 • NextClaw 的完整架构拆解 • Nextcloud、OpenClaw、RAGFlow、Graphiti、Frappe 在系统中的职责边界 • 我在搭建过程中的真实经验、问题和取舍
如果你也关注私有化 AI 知识库、本地文件同步、AI Agent 工作流、Nextcloud、RAG 或长期记忆，欢迎继续关注这个系列。
我会持续记录 NextClaw 的产品设计、架构思考和真实使用过程。
最后，用一句话总结 NextClaw 的出发点：
文件仍然属于你，AI 围绕文件工作。
