应依次校验模型绑定、配置结构化提示词、启用知识点提取预处理、强制输出校验重试。具体包括检查服务健康状态与配置一致性、设定严格json输出格式、安装knowledge-extractor-v3技能并配置参数、启用schema验证及三次重试机制。
☞☞☞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☜☜☜
如果您希望 OpenClaw 根据指定文档或知识点自动生成结构化问答内容，但生成结果缺失题目、解析不准确或格式混乱，则可能是由于模型绑定异常、提示词约束不足或输入文本预处理失效。以下是解决此问题的步骤：
一、校验并重绑定本地大模型服务
确保 OpenClaw 能稳定调用具备问答生成能力的本地模型，避免因端口冲突、API 协议不匹配或上下文长度超限导致输出截断或语义失真。
1、检查当前模型服务是否运行：执行 curl http://localhost:5000/health，确认返回 status=healthy。
2、验证 OpenClaw 配置中模型 baseURL 是否与实际服务地址一致，重点核对 ~/.openclaw/openclaw.json 内 models.providers 下的 baseUrl 字段。
3、若使用 ollama 部署 GLM-4.7-Flash，需确认其监听端口未被占用，可通过 lsof -i :11434 查看并手动释放端口。
4、在 OpenClaw WebUI 的「Models」页面中，点击目标模型右侧【Test Connection】按钮，观察响应内容是否含完整 JSON 结构及非空 message.content 字段。
二、配置结构化输出约束提示词
通过系统级 prompt 强制模型按固定 schema 输出，规避自由生成导致的格式不可控问题，确保每道题包含题干、选项、答案与解析四要素。
1、进入「Models」→ 选择目标模型 → 编辑「System Prompt」字段。
2、粘贴以下约束指令：你必须严格按JSON格式输出，仅返回一个合法JSON对象，不得附加任何说明文字。结构为{"questions":[{"type":"single_choice|multiple_choice|short_answer","stem":"题干","options":["A.","B."...],"answer":0|1|2|3|[0,2]|"答案文本"},"..."]}。
3、在该 prompt 末尾追加知识边界声明：所有题目必须严格基于用户提供的输入文本，禁止引入外部知识或假设性内容。
4、保存后，在任意技能测试界面输入简短测试文本（如“TCP三次握手流程”），验证输出是否符合上述 JSON Schema。
三、启用分层式知识点提取预处理
先由模型提炼核心知识点再生成题目，避免直接对原始长文本建模引发的信息稀释与逻辑错位，提升题目覆盖度与准确性。
1、在 OpenClaw 中安装官方 skill：knowledge-extractor-v3（2026年4月发布，支持多级标题识别与概念聚类）。
2、创建新技能链，将 knowledge-extractor-v3 设为前置节点，输出字段映射至后续 question-generator 的 input.knowledge_points。
3、配置 extractor 的 prompt 参数：设置 max_concepts_per_section: 3 与 filter_noise_ratio: 0.7，抑制冗余概念提取。
4、上传一份含明确章节结构的 Markdown 文档（如 Spring Boot 官方文档片段），触发 skill 链执行，检查日志中是否成功输出不超过 3 个标准化知识点条目。
四、强制启用输出后校验与重试机制
在生成流程末端嵌入结构校验逻辑，对非法 JSON、缺失字段或格式错误自动触发重试，保障最终交付内容可用性。
1、在 question-generator skill 的「Post-processing」配置区启用「JSON Schema Validation」开关。
2、粘贴标准校验 schema：{"type":"object","properties":{"questions":{"type":"array","items":{"type":"object","properties":{"type":{"enum":["single_choice","multiple_choice","short_answer"]},"stem":{"type":"string"},"answer":{"oneOf":[{"type":"number"},{"type":"array","items":{"type":"number"}},{"type":"string"}]}}}}}}。
3、设置最大重试次数为 3，超时阈值设为 15秒。
4、向 skill 提交一次含 500 字的技术描述文本，观察控制台是否在首次失败后自动重试，并于第三次尝试中返回符合 schema 的完整 JSON。
