Zum Hauptinhalt springen
Die integrierte Engine ist das standardmäßige Speicher-Backend. Sie speichert Ihren Speicherindex in einer agentbezogenen SQLite-Datenbank und benötigt für den Einstieg keine zusätzlichen Abhängigkeiten.

​
Was sie bietet

  • Schlüsselwortsuche über FTS5-Volltextindizierung (BM25-Bewertung).
  • Vektorsuche über Embeddings von jedem unterstützten Provider.
  • Hybridsuche, die beides für die besten Ergebnisse kombiniert.
  • CJK-Unterstützung über Trigramm-Tokenisierung für Chinesisch, Japanisch und Koreanisch.
  • sqlite-vec-Beschleunigung für Vektorabfragen in der Datenbank (optional).

​
Erste Schritte

Standardmäßig verwendet die integrierte Engine OpenAI-Embeddings. Wenn Sie bereits OPENAI_API_KEY oder models.providers.openai.apiKey konfiguriert haben, funktioniert die Vektorsuche ohne zusätzliche Speicherkonfiguration. So legen Sie einen Provider explizit fest: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
Ohne Embedding-Provider ist nur die Schlüsselwortsuche verfügbar. Um lokale GGUF-Embeddings zu erzwingen, installieren Sie das offizielle llama.cpp-Provider-Plugin und verweisen Sie dann mit local.modelPath auf eine GGUF-Datei: 
openclaw plugins install @openclaw/llama-cpp-provider

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}

​
Unterstützte Embedding-Provider

ProviderIDHinweise
BedrockbedrockVerwendet die AWS-Anmeldeinformationskette
DeepInfradeepinfraStandard: BAAI/bge-m3
GeminigeminiUnterstützt multimodal (Bild + Audio)
GitHub Copilotgithub-copilotVerwendet ein Copilot-Abonnement
Lokallocal@openclaw/llama-cpp-provider
Mistralmistral
OllamaollamaLokal/selbst gehostet
OpenAIopenaiStandard: text-embedding-3-small
OpenAI-kompatibelopenai-compatibleGenerischer /v1/embeddings-Endpunkt
Voyagevoyage
Setzen Sie memorySearch.provider, um von OpenAI wegzuwechseln.

​
So funktioniert die Indizierung

OpenClaw indiziert MEMORY.md und memory/*.md in Chunks (~400 Token mit 80-Token-Überlappung) und speichert sie in einer agentbezogenen SQLite-Datenbank.
  • Indexspeicherort: die Datenbank des zuständigen Agenten unter ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
  • Speicherwartung: SQLite-WAL-Sidecars werden durch periodische Checkpoints und Checkpoints beim Herunterfahren begrenzt.
  • Dateiüberwachung: Änderungen an Speicherdateien lösen eine entprellte Neuindizierung aus (1,5 s).
  • Automatische Neuindizierung: Wenn sich der Embedding-Provider, das Modell oder die Chunking-Konfiguration ändert, wird der gesamte Index automatisch neu aufgebaut.
  • Neuindizierung bei Bedarf: openclaw memory index --force
Sie können mit memorySearch.extraPaths auch Markdown-Dateien außerhalb des Arbeitsbereichs indizieren. Siehe die Konfigurationsreferenz.

​
Wann verwenden

Die integrierte Engine ist für die meisten Benutzer die richtige Wahl:
  • Funktioniert sofort ohne zusätzliche Abhängigkeiten.
  • Beherrscht Schlüsselwort- und Vektorsuche zuverlässig.
  • Unterstützt alle Embedding-Provider.
  • Die Hybridsuche kombiniert das Beste aus beiden Retrieval-Ansätzen.
Erwägen Sie den Wechsel zu QMD, wenn Sie Reranking, Abfrageerweiterung benötigen oder Verzeichnisse außerhalb des Arbeitsbereichs indizieren möchten. Erwägen Sie Honcho, wenn Sie sitzungsübergreifenden Speicher mit automatischer Benutzermodellierung wünschen.

​
Fehlerbehebung

Speichersuche deaktiviert? Prüfen Sie openclaw memory status. Wenn kein Provider erkannt wird, legen Sie einen explizit fest oder fügen Sie einen API-Schlüssel hinzu. Lokaler Provider nicht erkannt? Bestätigen Sie, dass der lokale Pfad vorhanden ist, und führen Sie aus: 
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
Sowohl eigenständige CLI-Befehle als auch der Gateway verwenden dieselbe local-Provider-ID. Setzen Sie memorySearch.provider: "local", wenn Sie lokale Embeddings verwenden möchten. Veraltete Ergebnisse? Führen Sie openclaw memory index --force aus, um den Index neu aufzubauen. Der Watcher kann Änderungen in seltenen Randfällen übersehen. sqlite-vec wird nicht geladen? OpenClaw weicht automatisch auf prozessinterne Kosinusähnlichkeit aus. openclaw memory status --deep meldet den lokalen Vektorspeicher getrennt vom Embedding-Provider, sodass Vector store: unavailable auf das Laden von sqlite-vec hinweist, während Embeddings: unavailable auf Provider-/Auth-Probleme oder die Modellbereitschaft hinweist. Prüfen Sie die Logs auf den konkreten Ladefehler.

​
Konfiguration

Informationen zur Einrichtung von Embedding-Providern, Feinabstimmung der Hybridsuche (Gewichte, MMR, zeitlicher Verfall), Batch-Indizierung, multimodalem Speicher, sqlite-vec, zusätzlichen Pfaden und allen anderen Konfigurationsoptionen finden Sie in der Memory-Konfigurationsreferenz.

​
Verwandt