Saltar al contenido principal
memory-lancedb es un plugin oficial externo de memoria que almacena memoria a largo plazo en LanceDB y usa embeddings para la recuperación. Puede recuperar automáticamente memorias relevantes antes de un turno del modelo y capturar hechos importantes después de una respuesta. Úsalo cuando quieras una base de datos vectorial local para memoria, necesites un endpoint de embeddings compatible con OpenAI o quieras mantener una base de datos de memoria fuera del almacén de memoria integrado predeterminado.

​
Instalación

Instala memory-lancedb antes de configurar plugins.slots.memory = "memory-lancedb": 
openclaw plugins install @openclaw/memory-lancedb
El plugin se publica en npm y no está incluido en la imagen de runtime de OpenClaw. El instalador escribe la entrada del plugin y cambia el slot de memoria cuando ningún otro plugin lo posee.
memory-lancedb es un plugin de memoria activa. Habilítalo seleccionando el slot de memoria con plugins.slots.memory = "memory-lancedb". Los plugins complementarios como memory-wiki pueden ejecutarse junto a él, pero solo un plugin posee el slot de memoria activa.

​
Inicio rápido

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Reinicia el Gateway después de cambiar la configuración del plugin: 
openclaw gateway restart
Luego verifica que el plugin esté cargado: 
openclaw plugins list

​
Embeddings respaldados por proveedor

memory-lancedb puede usar los mismos adaptadores de proveedor de embeddings de memoria que memory-core. Configura embedding.provider y omite embedding.apiKey para usar el perfil de autenticación configurado del proveedor, la variable de entorno o models.providers.<provider>.apiKey. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Esta ruta funciona con perfiles de autenticación de proveedor que exponen credenciales de embeddings. Por ejemplo, GitHub Copilot puede usarse cuando el perfil/plan de Copilot admite embeddings: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OAuth de OpenAI Codex / ChatGPT no es una credencial de embeddings de OpenAI Platform. Para embeddings de OpenAI, usa un perfil de autenticación con clave de API de OpenAI, OPENAI_API_KEY o models.providers.openai.apiKey. Los usuarios que solo usan OAuth pueden usar otro proveedor con capacidad de embeddings, como GitHub Copilot u Ollama.

​
Embeddings de Ollama

Para embeddings de Ollama, prefiere el proveedor de embeddings de Ollama incluido. Usa el endpoint nativo /api/embed de Ollama y sigue las mismas reglas de autenticación/URL base que el proveedor de Ollama documentado en Ollama. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "ollama",
            baseUrl: "http://127.0.0.1:11434",
            model: "mxbai-embed-large",
            dimensions: 1024,
          },
          recallMaxChars: 400,
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Configura dimensions para modelos de embeddings no estándar. OpenClaw conoce las dimensiones de text-embedding-3-small y text-embedding-3-large; los modelos personalizados necesitan el valor en la configuración para que LanceDB pueda crear la columna vectorial. Para modelos de embeddings locales pequeños, reduce recallMaxChars si ves errores de longitud de contexto del servidor local.

​
Proveedores compatibles con OpenAI

Algunos proveedores de embeddings compatibles con OpenAI rechazan el parámetro encoding_format, mientras que otros lo ignoran y siempre devuelven vectores number[]. Por eso memory-lancedb omite encoding_format en las solicitudes de embeddings y acepta respuestas de arreglos de flotantes o respuestas float32 codificadas en base64. Si tienes un endpoint de embeddings sin procesar compatible con OpenAI que no tiene un adaptador de proveedor incluido, omite embedding.provider (o déjalo como openai) y configura embedding.apiKey junto con embedding.baseUrl. Esto conserva la ruta directa del cliente compatible con OpenAI. Configura embedding.dimensions para proveedores cuyas dimensiones de modelo no estén integradas. Por ejemplo, ZhiPu embedding-3 usa 2048 dimensiones: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            apiKey: "${ZHIPU_API_KEY}",
            baseUrl: "https://open.bigmodel.cn/api/paas/v4",
            model: "embedding-3",
            dimensions: 2048,
          },
        },
      },
    },
  },
}

​
Límites de recuperación y captura

memory-lancedb tiene dos límites de texto separados:
ConfiguraciónPredeterminadoRangoSe aplica a
recallMaxChars1000100-10000texto enviado a la API de embeddings para recuperación
captureMaxChars500100-10000longitud de mensaje elegible para captura automática
customTriggers[]0-50frases literales que hacen que la captura automática considere un mensaje
recallMaxChars controla la recuperación automática, la herramienta memory_recall, la ruta de consulta de memory_forget y openclaw ltm search. La recuperación automática prefiere el último mensaje del usuario del turno y recurre al prompt completo solo cuando no hay mensaje de usuario disponible. Esto mantiene los metadatos del canal y los bloques grandes de prompt fuera de la solicitud de embeddings. captureMaxChars controla si una respuesta es lo bastante corta para considerarse para captura automática. No limita los embeddings de consultas de recuperación. customTriggers te permite agregar frases literales de captura automática sin escribir expresiones regulares. Los disparadores integrados incluyen frases comunes de memoria en inglés, checo, chino, japonés y coreano.

​
Comandos

Cuando memory-lancedb es el plugin de memoria activa, registra el espacio de nombres de CLI ltm: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
El subcomando query ejecuta una consulta no vectorial contra la tabla de LanceDB directamente: 
openclaw ltm query --cols id,text,createdAt --limit 20
openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: lista de columnas permitidas separadas por comas (el valor predeterminado es id, text, importance, category, createdAt).
  • --filter <condition>: cláusula WHERE de estilo SQL; limitada a 200 caracteres y restringida a alfanuméricos, operadores de comparación, comillas, paréntesis y un pequeño conjunto de puntuación segura.
  • --limit <n>: entero positivo; predeterminado 10.
  • --order-by <column>:<asc|desc>: ordenación en memoria aplicada después del filtro; la columna de ordenación se incluye automáticamente en la proyección.
Los agentes también reciben herramientas de memoria de LanceDB desde el plugin de memoria activa:
  • memory_recall para recuperación respaldada por LanceDB
  • memory_store para guardar hechos importantes, preferencias, decisiones y entidades
  • memory_forget para eliminar memorias coincidentes

​
Almacenamiento

De forma predeterminada, los datos de LanceDB viven bajo ~/.openclaw/memory/lancedb. Sobrescribe la ruta con dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions acepta pares clave/valor de cadena para backends de almacenamiento de LanceDB y admite expansión de ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Dependencias de runtime

memory-lancedb depende del paquete nativo @lancedb/lancedb. OpenClaw empaquetado trata ese paquete como parte del paquete del plugin. El inicio del Gateway no repara dependencias de plugins; si falta la dependencia, reinstala o actualiza el paquete del plugin y reinicia el Gateway. Si una instalación anterior registra un error de dist/package.json faltante o de @lancedb/lancedb faltante durante la carga del plugin, actualiza OpenClaw y reinicia el Gateway. Si el plugin registra que LanceDB no está disponible en darwin-x64, usa el backend de memoria predeterminado en esa máquina, mueve el Gateway a una plataforma compatible o deshabilita memory-lancedb.

​
Solución de problemas

​
La longitud de entrada supera la longitud de contexto

Esto suele significar que el modelo de embeddings rechazó la consulta de recuperación: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Configura un recallMaxChars menor y luego reinicia el Gateway: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Para Ollama, verifica también que el servidor de embeddings sea accesible desde el host del Gateway: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Modelo de embeddings no compatible

Sin dimensions, solo se conocen las dimensiones integradas de embeddings de OpenAI. Para modelos de embeddings locales o personalizados, configura embedding.dimensions con el tamaño vectorial informado por ese modelo.

​
El plugin carga, pero no aparecen memorias

Comprueba que plugins.slots.memory apunte a memory-lancedb y luego ejecuta: 
openclaw ltm stats
openclaw ltm search "recent preference"
Si autoCapture está deshabilitado, el plugin recuperará memorias existentes, pero no almacenará automáticamente otras nuevas. Usa la herramienta memory_store o habilita autoCapture si quieres captura automática.

​
Relacionado