Skip to main content
El motor integrado es el backend de memoria predeterminado. Almacena el índice de memoria en una base de datos SQLite por agente y no requiere dependencias adicionales para comenzar.

​
Qué ofrece

  • Búsqueda por palabras clave mediante indexación de texto completo FTS5 (puntuación BM25).
  • Búsqueda vectorial mediante embeddings de cualquier proveedor compatible.
  • Búsqueda híbrida que combina ambas para obtener los mejores resultados.
  • Compatibilidad con CJK mediante tokenización por trigramas para chino, japonés y coreano.
  • Aceleración con sqlite-vec para consultas vectoriales dentro de la base de datos (opcional).

​
Primeros pasos

De forma predeterminada, el motor integrado utiliza embeddings de OpenAI. Si OPENAI_API_KEY o models.providers.openai.apiKey ya está configurado, la búsqueda vectorial funciona sin configuración adicional de memoria. Para establecer un proveedor explícitamente:
Sin un proveedor de embeddings, solo está disponible la búsqueda por palabras clave. Para forzar embeddings GGUF locales, instale el plugin oficial del proveedor llama.cpp y, a continuación, apunte local.modelPath a un archivo GGUF:

​
Proveedores de embeddings compatibles

Establezca memory.search.provider para dejar de utilizar OpenAI.

​
Cómo funciona la indexación

OpenClaw divide MEMORY.md y memory/*.md en fragmentos (400 tokens con una superposición de 80 tokens de forma predeterminada) y los almacena en una base de datos SQLite por agente.
  • Ubicación del índice: la base de datos del agente propietario en ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
  • Mantenimiento del almacenamiento: los archivos auxiliares WAL de SQLite se mantienen dentro de límites mediante puntos de control periódicos y durante el cierre.
  • Supervisión de archivos: los cambios en los archivos de memoria activan una reindexación con antirrebote (valor predeterminado de 1.5s).
  • Reindexación automática: el índice se reconstruye automáticamente cuando cambian el proveedor de embeddings, el modelo, la configuración de fragmentación, las fuentes configuradas o el ámbito.
  • Reindexación bajo demanda: openclaw memory index --force
También se pueden indexar archivos Markdown externos al espacio de trabajo con memory.search.extraPaths. Consulte la referencia de configuración.

​
Cuándo utilizarlo

El motor integrado es la opción adecuada para la mayoría de los usuarios:
  • Funciona de inmediato sin dependencias adicionales.
  • Gestiona eficazmente las búsquedas por palabras clave y vectoriales.
  • Es compatible con todos los proveedores de embeddings.
  • La búsqueda híbrida combina lo mejor de ambos enfoques de recuperación.
Considere cambiar a QMD si necesita reclasificación, expansión de consultas o desea indexar directorios externos al espacio de trabajo. Considere Honcho si desea memoria entre sesiones con modelado automático del usuario.

​
Solución de problemas

¿Está deshabilitada la búsqueda en memoria? Compruebe openclaw memory status. Si no se detecta ningún proveedor, establezca uno explícitamente o añada una clave de API. ¿No se detecta el proveedor local? Confirme que la ruta local existe y ejecute:
Tanto los comandos independientes de la CLI como el Gateway utilizan el mismo id. de proveedor local. Establezca memory.search.provider: "local" cuando desee utilizar embeddings locales. ¿Resultados obsoletos? Ejecute openclaw memory index --force para reconstruir el índice. El supervisor puede omitir cambios en casos excepcionales. ¿No se carga sqlite-vec? OpenClaw recurre automáticamente a la similitud coseno en el proceso. openclaw memory status --deep informa del almacén vectorial local por separado del proveedor de embeddings, por lo que Vector store: unavailable hace referencia a la carga de sqlite-vec, mientras que Embeddings: unavailable hace referencia a la disponibilidad del proveedor, la autenticación o el modelo. Consulte los registros para identificar el error específico de carga.

​
Configuración

Para configurar el proveedor de embeddings, ajustar la búsqueda híbrida (pesos, MMR, decaimiento temporal), la indexación por lotes, la memoria multimodal, sqlite-vec, las rutas adicionales y todas las demás opciones de configuración, consulte la referencia de configuración de memoria.

​
Contenido relacionado