--- read_when: - Varsayılan bellek arka ucunu anlamak istiyorsunuz - Gömme sağlayıcılarını veya hibrit aramayı yapılandırmak istiyorsunuz summary: Anahtar kelime, vektör ve hibrit arama özelliklerine sahip varsayılan SQLite tabanlı bellek arka ucu title: Yerleşik bellek motoru x-i18n: generated_at: "2026-07-12T12:13:28Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: e8cbe2bae73b1d393ac158edb67fc442e76d1e5ff93e5201dbb7e7216801aa85 source_path: concepts/memory-builtin.md workflow: 16 --- Yerleşik motor, varsayılan bellek arka ucudur. Bellek dizininizi her ajan için ayrı bir SQLite veritabanında saklar ve başlamak için ek bağımlılık gerektirmez. ## Sağladıkları - FTS5 tam metin dizinleme (BM25 puanlaması) aracılığıyla **anahtar sözcük araması**. - Desteklenen herhangi bir sağlayıcıdan alınan gömmeler aracılığıyla **vektör araması**. - En iyi sonuçlar için ikisini birleştiren **hibrit arama**. - Çince, Japonca ve Korece için trigram belirteçleştirme aracılığıyla **CJK desteği**. - Veritabanı içi vektör sorguları için **sqlite-vec hızlandırması** (isteğe bağlı). ## Başlarken Yerleşik motor varsayılan olarak OpenAI gömmelerini kullanır. `OPENAI_API_KEY` veya `models.providers.openai.apiKey` zaten yapılandırılmışsa vektör araması ek bellek yapılandırması olmadan çalışır. Bir sağlayıcıyı açıkça ayarlamak için: ```json5 { agents: { defaults: { memorySearch: { provider: "openai", }, }, }, } ``` Bir gömme sağlayıcısı olmadan yalnızca anahtar sözcük araması kullanılabilir. Yerel GGUF gömmelerini zorunlu kılmak için resmi llama.cpp sağlayıcı Plugin'ini yükleyin, ardından `local.modelPath` değerini bir GGUF dosyasına yönlendirin: ```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", }, }, }, }, } ``` ## Desteklenen gömme sağlayıcıları | Sağlayıcı | Kimlik | Notlar | | ----------------- | ------------------- | ------------------------------------------- | | Bedrock | `bedrock` | AWS kimlik bilgisi zincirini kullanır | | DeepInfra | `deepinfra` | Varsayılan: `BAAI/bge-m3` | | Gemini | `gemini` | Çoklu ortamı destekler (görüntü + ses) | | GitHub Copilot | `github-copilot` | Copilot aboneliğinizi kullanır | | LM Studio | `lmstudio` | Yerel/kendi sunucunuzda barındırılan | | Yerel | `local` | `@openclaw/llama-cpp-provider` | | Mistral | `mistral` | | | Ollama | `ollama` | Yerel/kendi sunucunuzda barındırılan | | OpenAI | `openai` | Varsayılan: `text-embedding-3-small` | | OpenAI uyumlu | `openai-compatible` | Genel `/v1/embeddings` uç noktası | | Voyage | `voyage` | | OpenAI yerine başka bir sağlayıcı kullanmak için `memorySearch.provider` değerini ayarlayın. ## Dizinleme nasıl çalışır? OpenClaw, `MEMORY.md` ve `memory/*.md` dosyalarını parçalara (varsayılan olarak 80 belirteç örtüşmeli 400 belirteç) ayırarak dizinler ve bunları her ajan için ayrı bir SQLite veritabanında saklar. - **Dizin konumu:** sahibi olan ajan veritabanı: `~/.openclaw/agents//agent/openclaw-agent.sqlite` - **Depolama bakımı:** SQLite WAL yan dosyaları, düzenli aralıklarla ve kapatma sırasında gerçekleştirilen kontrol noktalarıyla sınırlandırılır. - **Dosya izleme:** bellek dosyalarındaki değişiklikler, gecikmeli bir yeniden dizinlemeyi tetikler (varsayılan 1,5 sn). - **Otomatik yeniden dizinleme:** gömme sağlayıcısı, model, parçalama yapılandırması, yapılandırılmış kaynaklar veya kapsam değiştiğinde dizin otomatik olarak yeniden oluşturulur. - **İsteğe bağlı yeniden dizinleme:** `openclaw memory index --force` Çalışma alanı dışındaki Markdown dosyalarını da `memorySearch.extraPaths` ile dizinleyebilirsiniz. Bkz. [yapılandırma başvurusu](/tr/reference/memory-config#additional-memory-paths). ## Ne zaman kullanılmalı? Yerleşik motor çoğu kullanıcı için doğru seçimdir: - Ek bağımlılık gerektirmeden doğrudan çalışır. - Anahtar sözcük ve vektör aramasını iyi şekilde gerçekleştirir. - Tüm gömme sağlayıcılarını destekler. - Hibrit arama, her iki getirme yaklaşımının en iyi yönlerini birleştirir. Yeniden sıralamaya, sorgu genişletmeye ihtiyacınız varsa veya çalışma alanı dışındaki dizinleri dizinlemek istiyorsanız [QMD](/tr/concepts/memory-qmd) kullanmayı değerlendirin. Otomatik kullanıcı modellemeli, oturumlar arası bellek istiyorsanız [Honcho](/tr/concepts/memory-honcho) kullanmayı değerlendirin. ## Sorun giderme **Bellek araması devre dışı mı?** `openclaw memory status` komutunu kontrol edin. Hiçbir sağlayıcı algılanmazsa açıkça bir sağlayıcı ayarlayın veya bir API anahtarı ekleyin. **Yerel sağlayıcı algılanmıyor mu?** Yerel yolun mevcut olduğunu doğrulayın ve şunları çalıştırın: ```bash openclaw memory status --deep --agent main openclaw memory index --force --agent main ``` Hem bağımsız CLI komutları hem de Gateway aynı `local` sağlayıcı kimliğini kullanır. Yerel gömmeler istediğinizde `memorySearch.provider: "local"` ayarını kullanın. **Sonuçlar güncel değil mi?** Yeniden oluşturmak için `openclaw memory index --force` komutunu çalıştırın. İzleyici, nadir uç durumlarda değişiklikleri kaçırabilir. **sqlite-vec yüklenmiyor mu?** OpenClaw otomatik olarak süreç içi kosinüs benzerliğine geri döner. `openclaw memory status --deep`, yerel vektör deposunu gömme sağlayıcısından ayrı olarak bildirir; bu nedenle `Vector store: unavailable`, sqlite-vec yüklemesine işaret ederken `Embeddings: unavailable`, sağlayıcı/kimlik doğrulama veya modelin hazır olma durumuna işaret eder. Belirli yükleme hatası için günlükleri kontrol edin. ## Yapılandırma Gömme sağlayıcısı kurulumu, hibrit arama ayarlaması (ağırlıklar, MMR, zamansal azalma), toplu dizinleme, çoklu ortam belleği, sqlite-vec, ek yollar ve diğer tüm yapılandırma seçenekleri için [Bellek yapılandırması başvurusuna](/tr/reference/memory-config) bakın. ## İlgili - [Belleğe genel bakış](/tr/concepts/memory) - [Bellek araması](/tr/concepts/memory-search) - [Active Memory](/tr/concepts/active-memory)