Saltar al contenido principal
El motor integrado es el backend de memoria predeterminado. Almacena tu índice de memoria en una base de datos SQLite por agente y no necesita dependencias adicionales para empezar.

​
Qué proporciona

  • 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 sqlite-vec para consultas vectoriales dentro de la base de datos (opcional).

​
Primeros pasos

De forma predeterminada, el motor integrado usa embeddings de OpenAI. Si OPENAI_API_KEY o models.providers.openai.apiKey ya está configurado, la búsqueda vectorial funciona sin configuración de memoria adicional. Para configurar un proveedor explícitamente: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
Sin un proveedor de embeddings, solo está disponible la búsqueda por palabras clave. Para forzar embeddings GGUF locales, instala el plugin proveedor oficial de llama.cpp y luego apunta local.modelPath a un archivo GGUF: 
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",
        },
      },
    },
  },
}

​
Proveedores de embeddings compatibles

ProveedorIDNotas
BedrockbedrockUsa la cadena de credenciales de AWS
DeepInfradeepinfraPredeterminado: BAAI/bge-m3
GeminigeminiAdmite multimodal (imagen + audio)
GitHub Copilotgithub-copilotUsa tu suscripción a Copilot
LM StudiolmstudioLocal/autohospedado
Locallocal@openclaw/llama-cpp-provider
Mistralmistral
OllamaollamaLocal/autohospedado
OpenAIopenaiPredeterminado: text-embedding-3-small
Compatible con OpenAIopenai-compatibleEndpoint genérico /v1/embeddings
Voyagevoyage
Configura memorySearch.provider para dejar de usar OpenAI.

​
Cómo funciona la indexación

OpenClaw indexa MEMORY.md y memory/*.md en fragmentos (400 tokens con solapamiento 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 sidecars WAL de SQLite se acotan con checkpoints periódicos y al apagar.
  • Observación de archivos: los cambios en los archivos de memoria activan una reindexación con antirrebote (1,5 s de forma predeterminada).
  • 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 puedes indexar archivos Markdown fuera del espacio de trabajo con memorySearch.extraPaths. Consulta la referencia de configuración.

​
Cuándo usarlo

El motor integrado es la opción adecuada para la mayoría de los usuarios:
  • Funciona de inmediato, sin dependencias adicionales.
  • Gestiona bien la búsqueda por palabras clave y vectorial.
  • Admite todos los proveedores de embeddings.
  • La búsqueda híbrida combina lo mejor de ambos enfoques de recuperación.
Considera cambiar a QMD si necesitas reranking, expansión de consultas o quieres indexar directorios fuera del espacio de trabajo. Considera Honcho si quieres memoria entre sesiones con modelado automático de usuario.

​
Solución de problemas

¿Búsqueda de memoria deshabilitada? Comprueba openclaw memory status. Si no se detecta ningún proveedor, configura uno explícitamente o añade una clave de API. ¿Proveedor local no detectado? Confirma que la ruta local existe y ejecuta: 
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
Tanto los comandos CLI independientes como el Gateway usan el mismo id de proveedor local. Configura memorySearch.provider: "local" cuando quieras embeddings locales. ¿Resultados obsoletos? Ejecuta openclaw memory index --force para reconstruir. El observador puede omitir cambios en casos extremos poco frecuentes. ¿sqlite-vec no se carga? OpenClaw recurre automáticamente a la similitud coseno en proceso. openclaw memory status --deep informa del almacén vectorial local por separado del proveedor de embeddings, por lo que Vector store: unavailable apunta a la carga de sqlite-vec, mientras que Embeddings: unavailable apunta a la preparación del proveedor/autenticación o del modelo. Revisa los registros para ver el error de carga específico.

​
Configuración

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

​
Relacionado