OpenClawDocs
View as MarkdownView this page as plain textOpen in ChatGPTAsk questions about this pageOpen in ClaudeAsk questions about this page

Sessions and memory

Wbudowany silnik pamięci

Wbudowany silnik jest domyślnym backendem pamięci. Przechowuje indeks pamięci w bazie danych SQLite przypisanej do agenta i nie wymaga żadnych dodatkowych zależności, aby rozpocząć pracę.

Co oferuje

  • Wyszukiwanie słów kluczowych za pomocą pełnotekstowego indeksowania FTS5 (punktacja BM25).
  • Wyszukiwanie wektorowe za pomocą embeddingów od dowolnego obsługiwanego dostawcy.
  • Wyszukiwanie hybrydowe, które łączy obie metody w celu uzyskania najlepszych wyników.
  • Obsługę języków CJK za pomocą tokenizacji trigramowej dla języka chińskiego, japońskiego i koreańskiego.
  • Przyspieszenie sqlite-vec dla zapytań wektorowych wykonywanych w bazie danych (opcjonalnie).

Pierwsze kroki

Domyślnie wbudowany silnik używa embeddingów OpenAI. Jeśli OPENAI_API_KEY lub models.providers.openai.apiKey jest już skonfigurowany, wyszukiwanie wektorowe działa bez dodatkowej konfiguracji pamięci.

Aby jawnie ustawić dostawcę:

json5
{  agents: {    defaults: {      memorySearch: {        provider: "openai",      },    },  },}

Bez dostawcy embeddingów dostępne jest tylko wyszukiwanie słów kluczowych.

Aby wymusić lokalne embeddingi GGUF, zainstaluj oficjalny plugin dostawcy llama.cpp, a następnie ustaw local.modelPath na plik GGUF:

bash
openclaw plugins install @openclaw/llama-cpp-provider
json5
{  agents: {    defaults: {      memorySearch: {        provider: "local",        fallback: "none",        local: {          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",        },      },    },  },}

Obsługiwani dostawcy embeddingów

Dostawca ID Uwagi
Bedrock bedrock Używa łańcucha poświadczeń AWS
DeepInfra deepinfra Domyślnie: BAAI/bge-m3
Gemini gemini Obsługuje multimodalność (obraz i dźwięk)
GitHub Copilot github-copilot Używa Twojej subskrypcji Copilot
LM Studio lmstudio Lokalny/samodzielnie hostowany
Lokalny local @openclaw/llama-cpp-provider
Mistral mistral
Ollama ollama Lokalny/samodzielnie hostowany
OpenAI openai Domyślnie: text-embedding-3-small
Zgodny z OpenAI openai-compatible Ogólny punkt końcowy /v1/embeddings
Voyage voyage

Ustaw memorySearch.provider, aby zmienić dostawcę z OpenAI na innego.

Jak działa indeksowanie

OpenClaw indeksuje pliki MEMORY.md i memory/*.md w segmentach (domyślnie po 400 tokenów z nakładaniem się 80 tokenów) i przechowuje je w bazie danych SQLite przypisanej do agenta.

  • Lokalizacja indeksu: baza danych agenta będącego właścicielem: ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
  • Konserwacja pamięci: rozmiar plików pomocniczych SQLite WAL jest ograniczany za pomocą okresowych punktów kontrolnych oraz punktów kontrolnych przy zamykaniu.
  • Monitorowanie plików: zmiany w plikach pamięci wyzwalają ponowne indeksowanie z eliminacją drgań (domyślnie 1,5 s).
  • Automatyczne ponowne indeksowanie: indeks jest automatycznie przebudowywany po zmianie dostawcy embeddingów, modelu, konfiguracji segmentowania, skonfigurowanych źródeł lub zakresu.
  • Ponowne indeksowanie na żądanie: openclaw memory index --force

Kiedy używać

Wbudowany silnik jest właściwym wyborem dla większości użytkowników:

  • Działa od razu, bez dodatkowych zależności.
  • Dobrze obsługuje wyszukiwanie słów kluczowych i wektorowe.
  • Obsługuje wszystkich dostawców embeddingów.
  • Wyszukiwanie hybrydowe łączy zalety obu metod pobierania informacji.

Rozważ przejście na QMD, jeśli potrzebujesz ponownego uszeregowania wyników, rozszerzania zapytań lub chcesz indeksować katalogi spoza przestrzeni roboczej.

Rozważ użycie Honcho, jeśli potrzebujesz pamięci między sesjami z automatycznym modelowaniem użytkownika.

Rozwiązywanie problemów

Wyszukiwanie pamięci jest wyłączone? Sprawdź openclaw memory status. Jeśli nie wykryto dostawcy, ustaw go jawnie lub dodaj klucz API.

Nie wykryto lokalnego dostawcy? Upewnij się, że lokalna ścieżka istnieje, i uruchom:

bash
openclaw memory status --deep --agent mainopenclaw memory index --force --agent main

Zarówno samodzielne polecenia CLI, jak i Gateway używają tego samego identyfikatora dostawcy local. Ustaw memorySearch.provider: "local", jeśli chcesz używać lokalnych embeddingów.

Nieaktualne wyniki? Uruchom openclaw memory index --force, aby przebudować indeks. W rzadkich przypadkach brzegowych mechanizm monitorowania może nie wykryć zmian.

sqlite-vec nie jest ładowany? OpenClaw automatycznie przełącza się na obliczanie podobieństwa cosinusowego w procesie. Polecenie openclaw memory status --deep raportuje lokalny magazyn wektorów oddzielnie od dostawcy embeddingów, dlatego Vector store: unavailable wskazuje na problem z ładowaniem sqlite-vec, natomiast Embeddings: unavailable wskazuje na problem z dostawcą lub uwierzytelnianiem albo brak gotowości modelu. Sprawdź dzienniki pod kątem konkretnego błędu ładowania.

Konfiguracja

Informacje o konfiguracji dostawcy embeddingów, dostrajaniu wyszukiwania hybrydowego (wagi, MMR, wygaszanie czasowe), indeksowaniu wsadowym, pamięci multimodalnej, sqlite-vec, dodatkowych ścieżkach i wszystkich pozostałych ustawieniach znajdziesz w dokumentacji konfiguracji pamięci.

Powiązane

Was this useful?
On this page

On this page