Справочник по конфигурации памяти

На этой странице перечислены все параметры конфигурации поиска по памяти OpenClaw. Концептуальные обзоры см. здесь:

Если не указано иное, все параметры поиска по памяти находятся в разделе agents.defaults.memorySearch файла openclaw.json (или в переопределении agents.list[].memorySearch для отдельного агента).

Выбор провайдера

Если provider не задан, OpenClaw использует эмбеддинги OpenAI. Явно задайте provider, чтобы использовать Bedrock, DeepInfra, Gemini, GitHub Copilot, Mistral, Ollama, Voyage, локальную модель GGUF или конечную точку /v1/embeddings, совместимую с OpenAI. Устаревшие конфигурации, в которых всё ещё указано provider: "auto", разрешаются в openai.

Если provider не задан, присутствует устаревший provider: "auto" или provider: "none" намеренно выбирает режим только FTS, извлечение из памяти всё равно может использовать лексическое ранжирование FTS, когда эмбеддинги недоступны.

Для явно указанных нелокальных провайдеров используется безопасный отказ. Если для memorySearch.provider задан конкретный провайдер с удалённой серверной частью, например Bedrock, DeepInfra, Gemini, GitHub Copilot, LM Studio, Mistral, Ollama, OpenAI, Voyage или пользовательский провайдер, совместимый с OpenAI, и этот провайдер недоступен во время выполнения, memory_search возвращает результат о недоступности вместо неявного перехода к извлечению только через FTS. Исправьте конфигурацию провайдера или аутентификации, переключитесь на доступного провайдера либо задайте provider: "none", если хотите намеренно использовать извлечение только через FTS.

Пользовательские идентификаторы провайдеров

memorySearch.provider может указывать на пользовательскую запись models.providers.<id> для специализированных адаптеров провайдера памяти, таких как ollama, или для API моделей, совместимых с OpenAI, таких как openai-responses / openai-completions. OpenClaw определяет владельца api этого провайдера для адаптера эмбеддингов, сохраняя пользовательский идентификатор провайдера для обработки конечной точки, аутентификации и префикса модели. Это позволяет конфигурациям с несколькими GPU или узлами выделить для эмбеддингов памяти конкретную локальную конечную точку:

{  models: {    providers: {      "ollama-5080": {        api: "ollama",        baseUrl: "http://gpu-box.local:11435",        apiKey: "ollama-local",        models: [{ id: "qwen3-embedding:0.6b", name: "Qwen3 Embedding 0.6B" }],      },    },  },  agents: {    defaults: {      memorySearch: {        provider: "ollama-5080",        model: "qwen3-embedding:0.6b",      },    },  },}

Определение ключа API

Для удалённых эмбеддингов требуется ключ API. Вместо него Bedrock использует стандартную цепочку учётных данных AWS SDK (роли экземпляров, SSO, ключи доступа или ключ API Bedrock).

Конфигурация удалённой конечной точки

Используйте provider: "openai-compatible" для универсального сервера /v1/embeddings, совместимого с OpenAI, который не должен наследовать глобальные учётные данные чата OpenAI.

{  agents: {    defaults: {      memorySearch: {        provider: "openai-compatible",        model: "text-embedding-3-small",        remote: {          baseUrl: "https://api.example.com/v1/",          apiKey: "YOUR_KEY",        },      },    },  },}

Конфигурация для отдельных провайдеров

{  agents: {    defaults: {      memorySearch: {        provider: "openai-compatible",        remote: {          baseUrl: "https://embeddings.example/v1",          apiKey: "${EMBEDDINGS_API_KEY}",        },        model: "asymmetric-embedder",        queryInputType: "query",        documentInputType: "passage",      },    },  },}

{  agents: {    defaults: {      memorySearch: {        provider: "bedrock",        model: "amazon.titan-embed-text-v2:0",      },    },  },}

{  "Effect": "Allow",  "Action": "bedrock:InvokeModel",  "Resource": "*"}

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

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

Тайм-аут встроенного создания эмбеддингов

Поведение индексирования

Все параметры находятся в memorySearch.sync, если не указано иное:

Конфигурация гибридного поиска

Все параметры находятся в memorySearch.query:

И в memorySearch.query.hybrid:

Полный пример

{  agents: {    defaults: {      memorySearch: {        query: {          maxResults: 6,          minScore: 0.35,          hybrid: {            vectorWeight: 0.7,            textWeight: 0.3,            mmr: { enabled: true, lambda: 0.7 },            temporalDecay: { enabled: true, halfLifeDays: 30 },          },        },      },    },  },}

Дополнительные пути памяти

{  agents: {    defaults: {      memorySearch: {        extraPaths: ["../team-docs", "/srv/shared-notes"],      },    },  },}

Пути могут быть абсолютными или относительными к рабочей области. Каталоги рекурсивно сканируются на наличие файлов .md. Обработка символических ссылок зависит от активного бэкенда: встроенный механизм пропускает символические ссылки, а QMD следует поведению базового сканера QMD.

Для поиска по транскриптам других агентов в области конкретного агента используйте agents.list[].memorySearch.qmd.extraCollections вместо memory.qmd.paths. Эти дополнительные коллекции имеют ту же структуру { path, name, pattern? }, но объединяются отдельно для каждого агента и могут сохранять явно заданные общие имена, если путь указывает за пределы текущей рабочей области. Если один и тот же разрешённый путь присутствует и в memory.qmd.paths, и в memorySearch.qmd.extraCollections, QMD сохраняет первую запись и пропускает дубликат.

Мультимодальная память (Gemini)

Индексируйте изображения и аудио вместе с Markdown с помощью Gemini Embedding 2:

Поддерживаемые форматы: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (изображения); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (аудио).

Кеш эмбеддингов

Предотвращает повторное создание эмбеддингов для неизменённого текста при переиндексировании или обновлении расшифровок. Оставьте maxEntries незаданным для неограниченного кеша; задайте его, если рост занимаемого места на диске важнее максимальной скорости переиндексирования. Если значение задано, после превышения кешем лимита сначала удаляются самые старые записи по времени последнего обновления.

Пакетное индексирование

Доступно для gemini, openai и voyage. Пакетная обработка OpenAI обычно быстрее и дешевле всего для массового заполнения больших объёмов данных.

remote.nonBatchConcurrency управляет параллельными вызовами создания эмбеддингов, используемыми локальными или самостоятельно размещёнными провайдерами, а также облачными провайдерами, когда их API пакетной обработки не задействованы. При индексировании без пакетной обработки Ollama по умолчанию использует 1, чтобы не перегружать небольшие локальные серверы; на более мощных машинах задайте большее значение.

Этот параметр не связан с sync.embeddingBatchTimeoutSeconds, который управляет тайм-аутом параллельных вызовов создания эмбеддингов.

Поиск в памяти сеансов (экспериментальная функция)

Индексируйте расшифровки сеансов и предоставляйте их через memory_search:

Результаты из расшифровок сеансов также подчиняются tools.sessions.visibility. Стандартная область видимости tree предоставляет доступ только к текущему сеансу и созданным им сеансам. Чтобы из другого сеанса, например личной переписки, получить данные из несвязанного сеанса того же агента, запущенного через Gateway, намеренно расширьте область видимости до agent (или до all, только если также требуется поиск между агентами и это разрешено политикой взаимодействия агентов).

В приведённых ниже примерах эти параметры находятся в agents.defaults. Можно также применить эквивалентные параметры memorySearch в переопределении для отдельного агента, если индексировать расшифровки сеансов и выполнять по ним поиск должен только один агент.

Для получения данных из Gateway в личной переписке в рамках одного агента:

{  agents: {    defaults: {      memorySearch: {        experimental: { sessionMemory: true },        sources: ["memory", "sessions"],      },    },  },  tools: {    sessions: { visibility: "agent" },  },}

{  agents: {    defaults: {      memorySearch: {        experimental: { sessionMemory: true },        sources: ["memory", "sessions"],      },    },  },  memory: {    backend: "qmd",    qmd: {      sessions: { enabled: true },    },  },  tools: {    sessions: { visibility: "agent" },  },}

При использовании QMD параметры agents.defaults.memorySearch.experimental.sessionMemory и sources: ["sessions"] сами по себе не экспортируют расшифровки в QMD. Также задайте memory.qmd.sessions.enabled: true.

Ускорение векторных операций SQLite (sqlite-vec)

Если sqlite-vec недоступен, OpenClaw автоматически использует вычисление косинусного сходства внутри процесса.

Хранилище индекса

Встроенные индексы памяти хранятся в базе данных OpenClaw SQLite каждого агента по адресу agents/<agentId>/agent/openclaw-agent.sqlite.

Конфигурация бэкенда QMD

Задайте memory.backend = "qmd", чтобы включить его. Все параметры QMD находятся в memory.qmd:

searchMode: "search" использует только лексический поиск/BM25. В этом режиме OpenClaw не выполняет проверки готовности семантических векторов или обслуживание эмбеддингов QMD, в том числе во время memory status --deep; vsearch и query по-прежнему требуют готовности векторов и эмбеддингов QMD.

rerank: false изменяет только режим QMD query и требует QMD 2.1 или новее. В режиме прямого CLI OpenClaw передаёт --no-rerank; в режиме MCP на базе mcporter он передаёт rerank: false унифицированному инструменту запросов QMD. Оставьте параметр незаданным, чтобы использовать стандартное поведение QMD для повторного ранжирования запросов.

OpenClaw предпочитает актуальные структуры коллекций QMD и запросов MCP, но сохраняет совместимость со старыми выпусками QMD, при необходимости пробуя совместимые флаги шаблонов коллекций и прежние имена инструментов MCP. Когда QMD заявляет о поддержке нескольких фильтров коллекций, поиск по коллекциям одного источника выполняется одним процессом QMD; старые сборки QMD продолжают использовать путь совместимости с отдельным процессом для каждой коллекции. Под одним источником понимается совместная группировка постоянных коллекций памяти — стандартных файлов памяти и пользовательских путей, — а коллекции расшифровок сеансов остаются отдельной группой, чтобы при диверсификации источников по-прежнему использовались оба входа.

Интеграция с mcporter

Все параметры находятся в memory.qmd.mcporter. Направляет поисковые запросы QMD через долгоживущий MCP-демон mcporter вместо запуска qmd для каждого запроса, сокращая накладные расходы на холодный запуск больших моделей.

Требуется установленный mcporter, доступный через PATH, а также настроенный сервер mcporter, запускающий qmd mcp. Оставьте эту функцию отключённой для более простых локальных конфигураций, в которых допустимы затраты на запуск отдельного процесса для каждого запроса.

{  memory: {    qmd: {      scope: {        default: "deny",        rules: [{ action: "allow", match: { chatType: "direct" } }],      },    },  },}

Когда инициализация QMD при запуске Gateway включена, OpenClaw запускает QMD только для подходящих агентов. Если update.onBoot имеет значение true и периодическое обновление или векторизация не настроены, при запуске для начального обновления используется одноразовый менеджер, который затем закрывается. Если настроен интервал обновления или векторизации, при запуске открывается долгоживущий менеджер QMD, управляющий наблюдателем и таймерами интервалов; update.onBoot: false пропускает только немедленное начальное обновление.

Полный пример QMD

{  memory: {    backend: "qmd",    citations: "auto",    qmd: {      includeDefaultMemory: true,      update: { interval: "5m", debounceMs: 15000 },      limits: { maxResults: 4, timeoutMs: 4000 },      scope: {        default: "deny",        rules: [{ action: "allow", match: { chatType: "direct" } }],      },      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],    },  },}

Dreaming

Dreaming настраивается в plugins.entries.memory-core.config.dreaming, а не в agents.defaults.memorySearch.

Dreaming выполняется как один запланированный проход, а внутренние фазы light/deep/REM являются деталями реализации.

Описание концептуального поведения и команд с косой чертой см. в разделе Dreaming.

Пользовательские настройки

Пример

{  plugins: {    entries: {      "memory-core": {        subagent: {          allowModelOverride: true,          allowedModels: ["anthropic/claude-sonnet-4-6"],        },        config: {          dreaming: {            enabled: true,            frequency: "0 3 * * *",            model: "anthropic/claude-sonnet-4-6",          },        },      },    },  },}

Связанные материалы

• Справочник по конфигурации
• Обзор памяти
• Поиск по памяти