Pamięć LanceDB

memory-lancedb to oficjalny zewnętrzny plugin, który przechowuje pamięć długoterminową w LanceDB i umożliwia wyszukiwanie wektorowe. Może automatycznie przywoływać istotne wspomnienia przed turą modelu oraz automatycznie zapisywać ważne fakty po odpowiedzi.

Użyj go jako lokalnej wektorowej bazy danych, z punktem końcowym osadzania zgodnym z OpenAI lub jako magazynu pamięci poza domyślnym, wbudowanym mechanizmem pamięci.

Instalacja

openclaw plugins install @openclaw/memory-lancedb

Plugin jest publikowany w npm; nie jest dołączony do obrazu środowiska uruchomieniowego OpenClaw. Instalacja zapisuje wpis pluginu, włącza go i przełącza plugins.slots.memory na memory-lancedb. Jeśli inny plugin obecnie zajmuje gniazdo pamięci, zostanie wyłączony z wyświetleniem ostrzeżenia.

Szybki start

{  plugins: {    slots: {      memory: "memory-lancedb",    },    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            provider: "openai",            model: "text-embedding-3-small",          },          autoRecall: true,          autoCapture: false,        },      },    },  },}

Po zmianie konfiguracji pluginu uruchom ponownie Gateway, a następnie sprawdź, czy został załadowany:

openclaw gateway restartopenclaw plugins list

Konfiguracja osadzania

embedding jest wymagane i musi zawierać co najmniej jedno pole. provider domyślnie ma wartość openai, a model — text-embedding-3-small.

Dostępne są dwie ścieżki żądań:

• Ścieżka adaptera dostawcy (domyślna): ustaw embedding.provider i pomiń embedding.apiKey/embedding.baseUrl. Plugin rozpoznaje skonfigurowany profil uwierzytelniania dostawcy, zmienną środowiskową lub models.providers.<provider>.apiKey za pomocą tych samych adapterów osadzania pamięci, których używa memory-core. Jest to ścieżka dla github-copilot, ollama i każdego innego dołączonego dostawcy obsługującego osadzanie.
• Ścieżka bezpośredniego klienta zgodnego z OpenAI: pozostaw embedding.provider bez ustawienia (lub ustaw "openai") i ustaw embedding.apiKey oraz embedding.baseUrl. Użyj tej ścieżki dla bezpośredniego punktu końcowego osadzania zgodnego z OpenAI, który nie ma dołączonego adaptera dostawcy.

OAuth OpenAI Codex / ChatGPT nie jest poświadczeniem osadzania OpenAI Platform. Do osadzania OpenAI użyj profilu uwierzytelniania z kluczem API OpenAI, OPENAI_API_KEY lub models.providers.openai.apiKey. Użytkownicy korzystający wyłącznie z OAuth powinni wybrać innego dostawcę obsługującego osadzanie, takiego jak github-copilot lub ollama.

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            provider: "github-copilot",            model: "text-embedding-3-small",          },        },      },    },  },}

Niektóre punkty końcowe osadzania zgodne z OpenAI odrzucają parametr encoding_format; inne go ignorują i zawsze zwracają number[]. memory-lancedb pomija encoding_format w żądaniach i akceptuje odpowiedzi zarówno w postaci tablicy liczb zmiennoprzecinkowych, jak i zakodowanych w base64 wartości float32, dzięki czemu oba formaty odpowiedzi działają bez dodatkowej konfiguracji.

Wymiary

OpenClaw ma wbudowane wymiary tylko dla text-embedding-3-small (1536) i text-embedding-3-large (3072). Każdy inny model wymaga jawnego ustawienia embedding.dimensions, aby LanceDB mogło utworzyć kolumnę wektorową, na przykład ZhiPu embedding-3 z 2048 wymiarami:

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            apiKey: "${ZHIPU_API_KEY}",            baseUrl: "https://open.bigmodel.cn/api/paas/v4",            model: "embedding-3",            dimensions: 2048,          },        },      },    },  },}

Osadzanie za pomocą Ollama

Użyj ścieżki dołączonego adaptera dostawcy Ollama (embedding.provider: "ollama"). Wywołuje ona natywny punkt końcowy Ollama /api/embed i stosuje te same reguły uwierzytelniania oraz bazowego adresu URL co dostawca Ollama.

{  plugins: {    slots: {      memory: "memory-lancedb",    },    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            provider: "ollama",            baseUrl: "http://127.0.0.1:11434",            model: "mxbai-embed-large",            dimensions: 1024,          },          recallMaxChars: 400,          autoRecall: true,          autoCapture: false,        },      },    },  },}

mxbai-embed-large nie znajduje się we wbudowanej tabeli wymiarów, dlatego dimensions jest wymagane. W przypadku małych lokalnych modeli osadzania zmniejsz recallMaxChars, jeśli lokalny serwer zwraca błędy długości kontekstu.

Limity przywoływania i zapisywania

recallMaxChars ogranicza zapytanie automatycznego przywoływania before_prompt_build, narzędzie memory_recall, ścieżkę zapytania memory_forget oraz openclaw ltm search. Automatyczne przywoływanie osadza najnowszą wiadomość użytkownika z tury i używa pełnego promptu tylko wtedy, gdy nie ma wiadomości użytkownika, dzięki czemu metadane kanału i duże bloki promptu nie trafiają do żądania osadzania.

captureMaxChars określa, czy wiadomość użytkownika ze zdarzenia agent_end danej tury jest wystarczająco krótka, aby uwzględnić ją w automatycznym zapisie; nie wpływa na zapytania przywoływania.

customTriggers dodaje dosłowne frazy automatycznego zapisu bez wyrażeń regularnych. Wbudowane wyzwalacze obejmują typowe angielskie, czeskie, chińskie, japońskie i koreańskie frazy dotyczące pamięci (remember, prefer, 记住, 覚えて, 기억해 i podobne).

Automatyczny zapis odrzuca również tekst przypominający metadane koperty lub transportu, ładunki wstrzykiwania promptu albo wcześniej wstrzyknięty kontekst <relevant-memories> i ogranicza liczbę zapisanych wspomnień do 3 na turę agenta.

Polecenia

memory-lancedb rejestruje przestrzeń nazw CLI ltm zawsze, gdy jest zainstalowany (nie tylko wtedy, gdy zajmuje aktywne gniazdo pamięci):

openclaw ltm list [--limit <n>] [--order-by-created-at]openclaw ltm search <query> [--limit <n>]openclaw ltm stats

ltm query wykonuje zapytanie niewektorowe bezpośrednio względem tabeli LanceDB:

openclaw ltm query --cols id,text,createdAt --limit 20openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc

Agenci otrzymują trzy narzędzia z aktywnego pluginu pamięci:

• memory_recall: wyszukiwanie wektorowe w zapisanych wspomnieniach.
• memory_store: zapisuje fakt, preferencję, decyzję lub jednostkę (odrzuca tekst przypominający ładunek wstrzykiwania promptu; pomija niemal identyczne wpisy).
• memory_forget: usuwa według memoryId lub query (automatycznie usuwa pojedyncze dopasowanie z wynikiem powyżej 90%, a w przeciwnym razie wyświetla identyfikatory kandydatów w celu ujednoznacznienia).

Pamięć masowa

Dane LanceDB są domyślnie przechowywane w ~/.openclaw/memory/lancedb. Zmień tę ścieżkę za pomocą dbPath:

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          dbPath: "~/.openclaw/memory/lancedb",          embedding: {            apiKey: "${OPENAI_API_KEY}",            model: "text-embedding-3-small",          },        },      },    },  },}

storageOptions przyjmuje pary klucz/wartość w postaci ciągów znaków dla mechanizmów pamięci masowej LanceDB (np. obiektowej pamięci masowej zgodnej z S3) i obsługuje rozwijanie ${ENV_VAR}:

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          dbPath: "s3://memory-bucket/openclaw",          storageOptions: {            access_key: "${AWS_ACCESS_KEY_ID}",            secret_key: "${AWS_SECRET_ACCESS_KEY}",            endpoint: "${AWS_ENDPOINT_URL}",          },          embedding: {            apiKey: "${OPENAI_API_KEY}",            model: "text-embedding-3-small",          },        },      },    },  },}

Zależności środowiska uruchomieniowego i obsługa platform

memory-lancedb zależy od natywnego pakietu @lancedb/lancedb, za który odpowiada pakiet pluginu (a nie podstawowa dystrybucja OpenClaw). Uruchomienie Gateway nie naprawia zależności pluginów; jeśli brakuje natywnej zależności lub nie można jej załadować, zainstaluj ponownie albo zaktualizuj pakiet pluginu i uruchom ponownie Gateway.

@lancedb/lancedb nie publikuje natywnej kompilacji dla darwin-x64 (Mac z procesorem Intel). Na tej platformie plugin podczas ładowania zapisuje w dzienniku informację, że LanceDB jest niedostępne; użyj domyślnego mechanizmu pamięci, uruchom Gateway na obsługiwanej platformie lub architekturze albo wyłącz memory-lancedb.

Rozwiązywanie problemów

Długość danych wejściowych przekracza długość kontekstu

Model osadzania odrzucił zapytanie przywoływania:

memory-lancedb: recall failed: Error: 400 the input length exceeds the context length

Zmniejsz recallMaxChars, a następnie uruchom ponownie Gateway:

{  plugins: {    entries: {      "memory-lancedb": {        config: {          recallMaxChars: 400,        },      },    },  },}

W przypadku Ollama sprawdź również, czy serwer osadzania jest osiągalny z hosta Gateway przez jego natywny punkt końcowy osadzania:

curl http://127.0.0.1:11434/api/embed \  -H "Content-Type: application/json" \  -d '{"model":"mxbai-embed-large","input":"hello"}'

Nieobsługiwany model osadzania

Bez embedding.dimensions znane są tylko wbudowane wymiary osadzania OpenAI (text-embedding-3-small, text-embedding-3-large). Dla każdego innego modelu ustaw embedding.dimensions na rozmiar wektora zgłaszany przez ten model.

Plugin ładuje się, ale nie pojawiają się żadne wspomnienia

Upewnij się, że plugins.slots.memory wskazuje na memory-lancedb, a następnie uruchom:

openclaw ltm statsopenclaw ltm search "recent preference"

Jeśli opcja autoCapture jest wyłączona, Plugin nadal przywołuje istniejące wspomnienia, ale nie zapisuje automatycznie nowych. Użyj narzędzia memory_store lub włącz opcję autoCapture.

Powiązane

• Przegląd pamięci
• Active Memory
• Wyszukiwanie w pamięci
• Wiki pamięci
• Ollama