Поиск в памяти

memory_search находит релевантные заметки в файлах памяти, даже если их формулировка отличается от исходного текста. Содержимое памяти разбивается на небольшие фрагменты, по которым выполняется поиск с помощью эмбеддингов, ключевых слов или обоих методов.

Быстрый старт

По умолчанию OpenClaw использует эмбеддинги OpenAI. Чтобы использовать другого провайдера, укажите его явно:

{  agents: {    defaults: {      memorySearch: {        provider: "openai", // или "gemini", "voyage", "mistral", "bedrock", "local", "ollama", "lmstudio", "github-copilot", "openai-compatible"      },    },  },}

provider также может ссылаться на пользовательскую запись models.providers.<id> (например, ollama-5080), если в этой записи для api задано значение "ollama" или идентификатор другого провайдера с адаптером эмбеддингов памяти.

Чтобы использовать локальные эмбеддинги без ключа API, установите официальный плагин провайдера llama.cpp и задайте provider: "local":

openclaw plugins install @openclaw/llama-cpp-provider

Для сборок из исходного кода также требуется разрешить нативную сборку: pnpm approve-builds, затем pnpm rebuild node-llama-cpp.

Некоторым совместимым с OpenAI конечным точкам эмбеддингов требуются асимметричные метки input_type, например "query" для поисковых запросов и "document"/"passage" для индексируемых фрагментов. Задайте их с помощью queryInputType и documentInputType; см. справочник по настройке памяти.

Поддерживаемые провайдеры

Как работает поиск

OpenClaw параллельно выполняет поиск двумя способами и объединяет результаты:

flowchart LR
    Q["Запрос"] --> E["Эмбеддинг"]
    Q --> T["Токенизация"]
    E --> VS["Векторный поиск"]
    T --> BM["Поиск BM25"]
    VS --> M["Взвешенное объединение"]
    BM --> M
    M --> R["Лучшие результаты"]

• Векторный поиск сопоставляет схожие значения («хост Gateway» соответствует «компьютеру, на котором работает OpenClaw»).
• Поиск по ключевым словам BM25 сопоставляет точные термины (идентификаторы, строки ошибок, ключи конфигурации).
• Поиск по именам файлов индексирует пути отдельно от содержимого заметок. Точные полные пути, базовые имена и основы имён файлов ранжируются выше частичных совпадений путей, а фрагменты и оценки совпадений ключевых слов в тексте по-прежнему формируются на основе содержимого заметок.

Если доступен только один способ, поиск выполняется только с его помощью.

Режим только FTS. Задайте provider: "none", чтобы намеренно отключить эмбеддинги и выполнять поиск только по ключевым словам. Если оставить provider незаданным или задать "auto", при отсутствии настроенной авторизации для эмбеддингов также без ошибки используется ранжирование только по ключевым словам; то же происходит с provider: "local" (провайдером GGUF/llama.cpp) при его сбое.

Явно указанный провайдер недоступен. Если явно указать любого другого провайдера (например, openai, ollama, gemini) и он станет недоступен во время обработки запроса (неверная авторизация, сбой сети), memory_search сообщит, что память недоступна, вместо незаметного перехода к результатам только FTS. Благодаря этому сбой настроенного провайдера остаётся заметным. Задайте provider: "none", если намеренно требуется извлечение только через FTS, либо исправьте конфигурацию провайдера или авторизации, чтобы восстановить семантическое ранжирование.

Улучшение качества поиска

При большом объёме истории заметок полезны две необязательные функции.

Временное затухание

Старые заметки постепенно теряют вес при ранжировании, поэтому более свежая информация отображается первой. При периоде полураспада по умолчанию 30 дней заметка за прошлый месяц получает 50% своего исходного веса. MEMORY.md и другие файлы без даты в каталоге memory/ считаются постоянными и никогда не подвергаются затуханию; оно применяется только к датированным файлам memory/YYYY-MM-DD.md.

MMR (разнообразие)

Уменьшает количество повторяющихся результатов. Если в пяти заметках упоминается одна и та же конфигурация маршрутизатора, MMR обеспечивает охват разных тем в лучших результатах вместо повторений.

Включение обеих функций

{  agents: {    defaults: {      memorySearch: {        query: {          hybrid: {            mmr: { enabled: true },            temporalDecay: { enabled: true },          },        },      },    },  },}

Мультимодальная память

С помощью gemini-embedding-2-preview можно индексировать изображения и аудио вместе с Markdown. Это применяется только к файлам в каталоге memorySearch.extraPaths; стандартные корневые каталоги памяти (MEMORY.md, memory/*.md) по-прежнему поддерживают только Markdown. Поисковые запросы остаются текстовыми, но сопоставляются с визуальным и звуковым содержимым. Инструкции по настройке см. в справочнике по настройке памяти.

Поиск по памяти сеансов

Для точного полнотекстового поиска по стенограммам сеансов используйте sessions_search, а затем откройте результат с помощью sessions_history. Поиск по памяти сеансов остаётся экспериментальным семантическим дополнением.

При необходимости можно индексировать стенограммы сеансов, чтобы memory_search мог находить предыдущие разговоры. Эта возможность требует явного включения: задайте experimental.sessionMemory: true и добавьте "sessions" в sources (значение sources по умолчанию — ["memory"]).

Результаты из сеансов подчиняются tools.sessions.visibility: значение по умолчанию "tree" открывает доступ только к текущему сеансу и порождённым им сеансам. Чтобы из одного сеанса найти несвязанный сеанс того же агента (например, сеанс, отправленный Gateway из личного сообщения), расширьте область видимости до "agent".

При использовании бэкенда QMD также задайте memory.qmd.sessions.enabled: true, чтобы стенограммы экспортировались в коллекцию QMD; одни только experimental.sessionMemory и sources не экспортируют стенограммы в QMD. См. справочник по конфигурации.

Устранение неполадок

Нет результатов? Выполните openclaw memory status, чтобы проверить индекс. Если он пуст, выполните openclaw memory index --force.

Находятся только совпадения по ключевым словам? Возможно, провайдер эмбеддингов не настроен. Проверьте openclaw memory status --deep.

Истекает время ожидания локальных эмбеддингов? Для ollama, lmstudio и local по умолчанию используется более длительное время ожидания встроенной пакетной обработки. Если хост просто работает медленно, задайте agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds и повторно выполните openclaw memory index --force.

Текст на языках CJK не находится? Перестройте индекс FTS с помощью openclaw memory index --force.

Связанные материалы

• Обзор памяти
• Active Memory
• Встроенный движок памяти
• Справочник по настройке памяти