Skip to main content
Le moteur intégré est le backend de mémoire par défaut. Il stocke votre index de mémoire dans une base de données SQLite propre à chaque agent et ne nécessite aucune dépendance supplémentaire pour démarrer.

​
Fonctionnalités

  • Recherche par mots-clés via l’indexation de texte intégral FTS5 (score BM25).
  • Recherche vectorielle via les embeddings de tout fournisseur pris en charge.
  • Recherche hybride combinant les deux approches pour obtenir les meilleurs résultats.
  • Prise en charge du CJK via la tokenisation par trigrammes pour le chinois, le japonais et le coréen.
  • Accélération sqlite-vec pour les requêtes vectorielles dans la base de données (facultative).

​
Prise en main

Par défaut, le moteur intégré utilise les embeddings OpenAI. Si OPENAI_API_KEY ou models.providers.openai.apiKey est déjà configuré, la recherche vectorielle fonctionne sans configuration supplémentaire de la mémoire. Pour définir explicitement un fournisseur :
Sans fournisseur d’embeddings, seule la recherche par mots-clés est disponible. Pour imposer l’utilisation locale d’embeddings GGUF, installez le Plugin fournisseur llama.cpp officiel, puis faites pointer local.modelPath vers un fichier GGUF :

​
Fournisseurs d’embeddings pris en charge

Définissez memorySearch.provider pour ne plus utiliser OpenAI.

​
Fonctionnement de l’indexation

OpenClaw indexe MEMORY.md et memory/*.md sous forme de fragments (400 tokens avec un chevauchement de 80 tokens par défaut) et les stocke dans une base de données SQLite propre à chaque agent.
  • Emplacement de l’index : la base de données de l’agent propriétaire à l’emplacement ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
  • Maintenance du stockage : la taille des fichiers annexes WAL de SQLite est limitée au moyen de points de contrôle périodiques et exécutés lors de l’arrêt.
  • Surveillance des fichiers : les modifications apportées aux fichiers de mémoire déclenchent une réindexation temporisée (1,5 s par défaut).
  • Réindexation automatique : l’index est reconstruit automatiquement lorsque le fournisseur d’embeddings, le modèle, la configuration du découpage, les sources configurées ou la portée changent.
  • Réindexation à la demande : openclaw memory index --force
Vous pouvez également indexer des fichiers Markdown situés hors de l’espace de travail avec memorySearch.extraPaths. Consultez la référence de configuration.

​
Cas d’utilisation

Le moteur intégré convient à la plupart des utilisateurs :
  • Fonctionne immédiatement sans dépendances supplémentaires.
  • Gère efficacement la recherche par mots-clés et la recherche vectorielle.
  • Prend en charge tous les fournisseurs d’embeddings.
  • La recherche hybride combine les avantages des deux approches de récupération.
Envisagez de passer à QMD si vous avez besoin d’un reclassement, d’une expansion des requêtes ou si vous souhaitez indexer des répertoires situés hors de l’espace de travail. Envisagez Honcho si vous souhaitez une mémoire intersession avec une modélisation automatique de l’utilisateur.

​
Dépannage

La recherche en mémoire est désactivée ? Vérifiez openclaw memory status. Si aucun fournisseur n’est détecté, définissez-en un explicitement ou ajoutez une clé d’API. Le fournisseur local n’est pas détecté ? Vérifiez que le chemin local existe et exécutez :
Les commandes CLI autonomes et le Gateway utilisent le même identifiant de fournisseur local. Définissez memorySearch.provider: "local" lorsque vous souhaitez utiliser des embeddings locaux. Résultats obsolètes ? Exécutez openclaw memory index --force pour reconstruire l’index. Le mécanisme de surveillance peut manquer certaines modifications dans de rares cas limites. sqlite-vec ne se charge pas ? OpenClaw utilise automatiquement en remplacement la similarité cosinus calculée dans le processus. openclaw memory status --deep indique le magasin vectoriel local séparément du fournisseur d’embeddings : Vector store: unavailable signale donc un problème de chargement de sqlite-vec, tandis que Embeddings: unavailable signale un problème lié au fournisseur, à l’authentification ou à la disponibilité du modèle. Consultez les journaux pour connaître l’erreur de chargement précise.

​
Configuration

Pour la configuration du fournisseur d’embeddings, le réglage de la recherche hybride (pondérations, MMR, décroissance temporelle), l’indexation par lots, la mémoire multimodale, sqlite-vec, les chemins supplémentaires et tous les autres paramètres de configuration, consultez la référence de configuration de la mémoire.

​
Voir aussi