--- read_when: - Вы хотите понять, как работает memory_search - Вы хотите выбрать провайдера эмбеддингов - Вы хотите настроить качество поиска summary: Как поиск по памяти находит релевантные заметки с помощью эмбеддингов и гибридного поиска title: Поиск в памяти x-i18n: generated_at: "2026-07-13T18:05:15Z" model: gpt-5.6 postprocess_version: locale-links-v1 prompt_version: 24 provider: openai source_hash: 2ae0830843fba28c24159d85425240051fb8caf086cd0563d3091890045dcfad source_path: concepts/memory-search.md workflow: 16 --- `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: ```json5 { 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.` (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"`: ```bash 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](/ru/reference/memory-config#provider-specific-config). ## Поддерживаемые провайдеры | Провайдер | Идентификатор | Требуется ключ API | Примечания | | ----------------- | ------------------- | ------------------ | ---------------------------------------- | | Bedrock | `bedrock` | Нет | Использует цепочку учётных данных AWS | | DeepInfra | `deepinfra` | Да | Модель по умолчанию — `BAAI/bge-m3` | | Gemini | `gemini` | Да | Поддерживает индексирование изображений и аудио | | GitHub Copilot | `github-copilot` | Нет | Использует вашу подписку Copilot | | Локальный | `local` | Нет | Модель GGUF, автозагрузка ~0.6 GB | | LM Studio | `lmstudio` | Нет | Локальный или самостоятельно размещённый сервер | | Mistral | `mistral` | Да | | | Ollama | `ollama` | Нет | Локальный или самостоятельно размещённый сервер | | OpenAI | `openai` | Да | По умолчанию | | Совместимый с OpenAI | `openai-compatible` | Обычно | Универсальная конечная точка `/v1/embeddings` | | Voyage | `voyage` | Да | | ## Как работает поиск OpenClaw параллельно выполняет поиск двумя способами и объединяет результаты: ```mermaid 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`. Включите эту функцию, если у вашего агента накопились ежедневные заметки за несколько месяцев и устаревшая информация постоянно ранжируется выше недавнего контекста. ### 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. Включите эту функцию, если `memory_search` постоянно возвращает почти одинаковые фрагменты из разных ежедневных заметок. ### Включение обеих функций ```json5 { 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](/ru/reference/memory-config#multimodal-memory-gemini). ## Поиск по памяти сеансов Для точного полнотекстового поиска по стенограммам сеансов используйте [`sessions_search`](/concepts/session-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](/ru/reference/memory-config#session-memory-search-experimental). ## 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](/ru/concepts/memory) - [Active Memory](/ru/concepts/active-memory) - [Встроенный движок памяти](/ru/concepts/memory-builtin) - [Справочник по настройке памяти](/ru/reference/memory-config)