qclaw支持基于语义理解的本地文档检索，包含四种方式：一、通过文件空间启用rag增强检索；二、对接ima知识库广场实现概念级关联检索；三、对扫描件与图片执行多模态语义理解；四、结合腾讯文档做混合语义检索。
☞☞☞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☜☜☜
如果您希望在个人文档库中快速定位与查询意图高度匹配的内容，而非依赖关键词字面匹配，则QClaw的智能搜索功能确实支持基于语义理解的本地文档检索。以下是实现该能力的多种方式：
一、通过文件空间调用本地文档并启用RAG增强检索
该方式依托QClaw内置的检索增强生成（RAG）架构，将用户授权接入的本地文件目录构建为私有索引库，所有向量嵌入与相似度计算均在设备端完成，不上传原始文件或文本片段。
1、启动QClaw主程序，点击左侧导航栏“文件空间”，进入目录管理界面。
2、点击右上角“+添加目录”，选择存放教案、讲义、PDF笔记等文档的本地文件夹（如“D:\教学资料\初三物理”）。
3、勾选“启用语义索引”，系统自动对目录内支持格式（.pdf、.docx、.txt、.md）进行本地解析与向量化，生成私有检索库。
4、返回对话界面，输入自然语言查询，例如：“找出所有涉及‘欧姆定律实验误差分析’的教案段落”，QClaw将从索引中召回语义最相关的上下文片段并高亮显示。
二、使用ima知识库广场对接已结构化内容
该方式适用于已将文档预处理为ima知识库标准格式的用户，系统直接加载知识图谱节点关系与语义标签，实现跨文档概念级关联检索，响应速度优于全文向量检索。
1、打开QClaw，切换至“ima知识库”模块，点击“知识库广场”。
2、在广场中查找并订阅已发布的学科知识库，例如“初中物理核心概念图谱v2.1”或“高考真题错因分类库”。
3、订阅完成后，在对话框中输入：“列出知识库中所有与‘滑动变阻器接法错误’相关的真实考试案例”。
4、QClaw跳过关键词匹配，直接遍历图谱中的“错误类型→典型表现→对应试题ID”三元组路径，返回结构化结果列表。
三、对扫描件与图片文档执行多模态语义理解
该方式针对无法直接提取文本的图像类资料（如手写板书照片、教材插图、PDF扫描页），利用内置视觉语言模型（VLM）识别图文布局、公式结构及图表意图，再映射至语义向量空间进行检索。
1、将含公式的物理实验手写笔记拍照，保存至“文件空间”已授权的“备课素材”文件夹。
2、在对话中发送指令：“在‘备课素材’中查找所有包含‘伏安法测电阻电路图’且标注了‘内接外接判断依据’的图片”。
3、QClaw调用本地VLM模型识别图像中的电路图拓扑与手写批注区域，提取语义描述后与查询向量比对。
4、返回匹配图片缩略图及对应OCR文本块，点击即可查看原始图像与高亮标注区。
四、结合腾讯文档实时协同库做混合语义检索
该方式适用于同时维护本地归档与在线协作文档的用户，QClaw可将腾讯文档API返回的文档元数据（标题、标签、编辑历史摘要）与本地索引联合建模，在统一语义空间中执行跨源检索。
1、确保已在QClaw中完成腾讯文档账号授权，并同步“我的文档”与“共享给我的文档”两个空间。
2、在文件空间界面，右键任一已同步的腾讯文档，选择“加入语义检索范围”。
3、输入复合查询：“找同时满足‘包含焦耳定律推导过程’和‘最近由张老师编辑过’的文档”。
4、QClaw分别解析本地文档的公式语义与腾讯文档的编辑行为特征，加权融合后排序返回结果，顶部条目附带来源标识（本地/腾讯文档）与时间戳。
