workbuddy不提供独立向量数据库，其内置claw-embed引擎为封闭式轻量级嵌入式方案，采用自研二进制索引格式（如index_v2.claw），无chroma.db等标准文件，且依赖ntfs/apfs分区与纯英文路径方可正常运行。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 不提供独立安装的本地向量数据库，也不开放其内置向量存储的直接访问或手动部署接口。它使用封闭集成的轻量级嵌入式向量引擎（代号 Claw-Embed），所有向量化、索引与检索逻辑均封装在 Claw 子系统中，随主程序自动初始化，无法剥离或替换为 Chroma、Qdrant 或 Milvus 等第三方方案。
为什么找不到 vector-db 目录或启动脚本
用户常在 c:/Users/[用户名]/WorkBuddy/Claw（Windows）或 ~/Library/Application Support/WorkBuddy/Claw（macOS）下搜索 chroma.db、collection.parquet 或类似文件，但实际只会看到 embed_cache.bin、index_v2.claw 和加密的 chunk_meta.enc。这是因为：
-
Claw-Embed采用自研二进制分块索引格式，不依赖 SQLite 或 RocksDB 等通用存储后端 - 向量数据与原始文本切片、权限上下文、技能调用链强绑定，无法脱离
Claw运行时单独加载 - 首次运行时自动生成的索引文件大小通常为 80–120MB，但该尺寸不反映“可存文档量”，而取决于 embedding 模型维度（当前固定为 768）和去重压缩率
影响向量容量的实际瓶颈是磁盘 I/O 与路径编码
真正限制你能“喂”多少本地文件给 WorkBuddy 做语义检索的，不是向量库本身，而是两个隐蔽条件：
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
- 安装路径含中文或空格 → 导致
Claw调用的 Python 子进程在加载transformers分词器时解码失败，报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe5 in position 0 - 所在磁盘为 FAT32/exFAT 格式 →
index_v2.claw文件写入时因不支持硬链接而静默截断，后续检索返回空结果，日志中仅出现WARN claw.embed: index load incomplete, fallback to keyword - NTFS/APFS 分区剩余空间 ENOSPC，错误信息显示为
Failed to persist embedding chunk #42，而非磁盘满提示
如何判断向量能力是否正常启用
不靠看文件，而靠验证行为。打开 WorkBuddy 主界面，输入以下任一指令并观察响应：
- “找出上周我改过的所有 Excel 文件里提到‘Q2预算’的段落” → 若返回具体单元格位置和上下文摘录，说明向量检索已就绪
- “对比桌面两个同名但不同版本的 PRD 文档，列出新增的功能点” → 若生成差异摘要而非仅文件名列表，则
Claw-Embed正在执行跨文档语义对齐 - 若始终只返回“未找到相关文件”或仅匹配文件名关键词，检查
Claw日志末尾是否有embed_engine: disabled due to missing model assets—— 这表示首次联网校验失败，embedding 模型未下载完成，需重试登录或检查auth.codebuddy.cn是否被代理拦截
最易被忽略的一点：向量能力完全依赖首次联网激活后的本地模型缓存，断网重装不会重建它；一旦 Claw 目录被手动清空，必须重新登录并等待右下角状态栏显示“知识索引构建完成（约2分17秒）”才算恢复，期间所有语义类指令退化为正则匹配。
