OpenClaw Setup Service

Blog · Case Study

DeepWiki → Telegram: Wissen abrufen, zusammenfassen, teilen – ohne Kontextwechsel

Viele Teams haben Wissen an zu vielen Orten: Repo‑README, Wiki, Tickets, Notion, Slack‑Threads. Das eigentliche Problem ist nicht „fehlende Dokumentation“, sondern Reibung: Niemand hat Zeit, sich durch Links zu klicken. In diesem Case Study geht es um ein simples Muster: DeepWiki als Wissensquelle + Telegram als Output‑Kanal – gesteuert durch OpenClaw, mit klaren Freigaben statt Auto‑Send.

Ausgangslage (typisch)

  • Team stellt Fragen wie „Wie deployen wir Service X?“ oder „Welche ENV‑Variablen sind Pflicht?“
  • Antworten existieren irgendwo – aber sie sind verteilt und veralten.
  • Der Kontextwechsel (Wiki öffnen → suchen → querlesen → zusammenfassen) kostet Zeit.
  • Messenger wird zum „Arbeitsbetriebssystem“: dort liest man Updates – dort sollte auch die Antwort landen.

Zielbild

Ein Agent, der:

  1. Frage versteht (z. B. „Deploy Schrittfolge + Rollback“)
  2. DeepWiki abfragt (relevante Seiten/Abschnitte)
  3. Antwort strukturiert (Kurzfassung + Schrittfolge + Risiken)
  4. Telegram‑Draft erstellt (und erst nach Freigabe sendet)

Der Workflow (kompakt)

  1. Input: Frage kommt aus einem Telegram‑Chat (oder als manuelles Ticket/Prompt).
  2. Recherche: OpenClaw nutzt eine DeepWiki‑Integration/Skill, um relevante Stellen zu finden.
  3. Antwort: Der Agent schreibt: „TL;DR“ + „Schritte“ + „Checks“ + „Links“.
  4. Freigabe: Standard ist kein Auto‑Send. Der Agent erstellt einen Entwurf, den ein Mensch bestätigt.

Das ist absichtlich unspektakulär – und genau deshalb stabil: kein „magisches Knowledge‑Bot‑System“, sondern eine reproduzierbare Routine.

Warum Telegram als Output?

Weil es dort gelesen wird. Die Antwort kommt in den Flow – statt als Link, der „später“ geklickt wird.

Warum DeepWiki als Quelle?

Weil Antworten nachvollziehbar bleiben: Der Agent kann Quellen direkt mitliefern (Abschnitt/Link), statt „aus dem Bauch“ zu antworten.

Warum OpenClaw als Orchestrator?

Weil du die Leitplanken definierst: Tools, Rechte, Freigaben, Output‑Format – nicht nur „ein Prompt“.

Compliance- & Approval‑Defaults (empfohlen)

Damit so ein Flow im echten Betrieb funktioniert (und nicht zum Risiko wird), sind diese Defaults wichtig:

  • Assist statt Auto‑Send: Der Agent erstellt Telegram‑Nachrichten als Entwurf. Versand erst nach menschlicher Bestätigung.
  • Least Privilege: Der Agent bekommt nur Leserechte auf DeepWiki/Docs – keine Schreibrechte, keine Admin‑Tokens.
  • Redaction/No‑Secrets Policy: Keine Secrets/Keys in Ausgaben. Wenn Inhalte sensibel sind: nur referenzieren, nicht zitieren.
  • Quellenpflicht: Jede Antwort enthält Links zu den verwendeten Stellen (damit jemand schnell verifizieren kann).
  • Fail‑safe: Wenn der Agent unsicher ist oder Quellen fehlen → „Ich bin unsicher, bitte prüfen“ statt halluzinieren.

So startest du in 30–60 Minuten (praktisch)

  1. Mini‑Scope wählen: Starte mit 1 Kategorie (z. B. „Deploy & Rollback“ oder „Onboarding“).
  2. DeepWiki anpassen: Sorge dafür, dass die wichtigsten Seiten sauber sind (ein guter Index + eindeutige Überschriften).
  3. Output‑Template festlegen: z. B. „TL;DR“, „Schritte“, „Checks“, „Risiken“, „Quellen“.
  4. Telegram‑Delivery als Draft: Der Agent bereitet eine Nachricht vor. Du klickst „Senden“ erst nach Sichtprüfung.
  5. Feedback‑Loop: Wenn Antworten danebenliegen: nicht „Prompt‑Magie“, sondern Quelle verbessern (DeepWiki) + Template schärfen.

Das ist der „echte“ Hebel: Du verbesserst das System über bessere Quellen und klare Formate – nicht über immer längere Prompts.

Quellen & Repo‑Links

OpenClaw Docs (Showcases & Einstieg): https://docs.openclaw.ai/start/showcase
OpenClaw Tool‑Docs (Messaging/Telegram als Kanal – je nach Setup): https://docs.openclaw.ai/tools
DeepWiki (Repository, als Beispiel für „Wiki‑als‑Quelle“ in Workflows): https://github.com/deepwiki-ai/deepwiki

Hinweis: Je nach Unternehmens‑Setup (Self‑hosted Wiki, GitHub Wiki, Notion, Confluence) ist die „DeepWiki“‑Quelle austauschbar – das Muster bleibt identisch.

Wenn du das als Setup willst

ClawAssist setzt dir den Flow so auf, dass er im Alltag funktioniert: kleine Scope‑Definition, saubere Freigaben, Logging/Transparenz – und erst dann mehr Automation.

Pakete ansehen Kontaktanfrage stellen