मुख्य सामग्री पर जाएं
memory-lancedb एक आधिकारिक बाहरी memory plugin है, जो दीर्घकालिक memory को LanceDB में संग्रहीत करता है और recall के लिए embeddings का उपयोग करता है। यह model turn से पहले संबंधित memories को स्वचालित रूप से recall कर सकता है और response के बाद महत्वपूर्ण तथ्य capture कर सकता है। इसका उपयोग तब करें जब आपको memory के लिए local vector database चाहिए, किसी OpenAI-संगत embedding endpoint की आवश्यकता हो, या आप memory database को default built-in memory store से बाहर रखना चाहते हों।

​
स्थापना

plugins.slots.memory = "memory-lancedb" सेट करने से पहले memory-lancedb इंस्टॉल करें: 
openclaw plugins install @openclaw/memory-lancedb
यह plugin npm पर प्रकाशित है और OpenClaw runtime image में bundled नहीं है। installer plugin entry लिखता है और memory slot को तब switch करता है जब कोई अन्य plugin उसका owner न हो।
memory-lancedb एक active memory plugin है। इसे plugins.slots.memory = "memory-lancedb" के साथ memory slot चुनकर enable करें। memory-wiki जैसे companion plugins इसके साथ चल सकते हैं, लेकिन active memory slot का owner केवल एक plugin होता है।

​
त्वरित शुरुआत

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
plugin config बदलने के बाद Gateway को restart करें: 
openclaw gateway restart
फिर सत्यापित करें कि plugin loaded है: 
openclaw plugins list

​
Provider-backed embeddings

memory-lancedb, memory-core जैसे ही memory embedding provider adapters का उपयोग कर सकता है। provider के configured auth profile, environment variable, या models.providers.<provider>.apiKey का उपयोग करने के लिए embedding.provider सेट करें और embedding.apiKey छोड़ दें। 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
यह path उन provider auth profiles के साथ काम करता है जो embedding credentials expose करते हैं। उदाहरण के लिए, GitHub Copilot का उपयोग तब किया जा सकता है जब Copilot profile/plan embeddings का समर्थन करता हो: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth कोई OpenAI Platform embeddings credential नहीं है। OpenAI embeddings के लिए, OpenAI API key auth profile, OPENAI_API_KEY, या models.providers.openai.apiKey का उपयोग करें। केवल OAuth वाले users GitHub Copilot या Ollama जैसे किसी अन्य embedding-capable provider का उपयोग कर सकते हैं।

​
Ollama embeddings

Ollama embeddings के लिए bundled Ollama embedding provider को प्राथमिकता दें। यह native Ollama /api/embed endpoint का उपयोग करता है और Ollama में documented Ollama provider जैसे ही auth/base URL rules का पालन करता है। 
{
  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,
        },
      },
    },
  },
}
non-standard embedding models के लिए dimensions सेट करें। OpenClaw को text-embedding-3-small और text-embedding-3-large के dimensions पता हैं; custom models को config में value चाहिए ताकि LanceDB vector column बना सके। छोटे local embedding models के लिए, यदि local server से context length errors दिखें तो recallMaxChars कम करें।

​
OpenAI-compatible providers

कुछ OpenAI-compatible embedding providers encoding_format parameter को reject करते हैं, जबकि कुछ उसे ignore करके हमेशा number[] vectors लौटाते हैं। इसलिए memory-lancedb embedding requests पर encoding_format छोड़ देता है और float-array responses या base64-encoded float32 responses, दोनों स्वीकार करता है। यदि आपके पास raw OpenAI-compatible embeddings endpoint है जिसके लिए कोई bundled provider adapter नहीं है, तो embedding.provider छोड़ दें (या उसे openai ही रहने दें) और embedding.apiKey के साथ embedding.baseUrl सेट करें। इससे direct OpenAI-compatible client path सुरक्षित रहता है। उन providers के लिए embedding.dimensions सेट करें जिनके model dimensions built in नहीं हैं। उदाहरण के लिए, ZhiPu embedding-3 2048 dimensions का उपयोग करता है: 
{
  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,
          },
        },
      },
    },
  },
}

​
Recall और capture limits

memory-lancedb में दो अलग-अलग text limits हैं:
SettingDefaultRangeApplies to
recallMaxChars1000100-10000recall के लिए embedding API को भेजा गया text
captureMaxChars500100-10000auto-capture के लिए eligible message length
customTriggers[]0-50literal phrases जो auto-capture को message consider करवाते हैं
recallMaxChars auto-recall, memory_recall tool, memory_forget query path, और openclaw ltm search को control करता है। Auto-recall turn से latest user message को प्राथमिकता देता है और केवल user message उपलब्ध न होने पर full prompt पर fallback करता है। इससे channel metadata और बड़े prompt blocks embedding request से बाहर रहते हैं। captureMaxChars यह control करता है कि response automatic capture के लिए consider होने लायक पर्याप्त छोटा है या नहीं। यह recall query embeddings को cap नहीं करता। customTriggers आपको regular expressions लिखे बिना literal auto-capture phrases जोड़ने देता है। built-in triggers में common English, Czech, Chinese, Japanese, और Korean memory phrases शामिल हैं।

​
Commands

जब memory-lancedb active memory plugin होता है, तो यह ltm CLI namespace register करता है: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
query subcommand सीधे LanceDB table के विरुद्ध non-vector query चलाता है: 
openclaw ltm query --cols id,text,createdAt --limit 20
openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: comma-separated column allowlist (defaults to id, text, importance, category, createdAt)।
  • --filter <condition>: SQL-style WHERE clause; 200 characters पर capped और alphanumerics, comparison operators, quotes, parentheses, तथा safe punctuation के छोटे set तक restricted।
  • --limit <n>: positive integer; default 10।
  • --order-by <column>:<asc|desc>: filter के बाद applied in-memory sort; sort column projection में auto-included होता है।
Agents को active memory plugin से LanceDB memory tools भी मिलते हैं:
  • LanceDB-backed recall के लिए memory_recall
  • महत्वपूर्ण facts, preferences, decisions, और entities save करने के लिए memory_store
  • matching memories हटाने के लिए memory_forget

​
Storage

Default रूप से, LanceDB data ~/.openclaw/memory/lancedb के अंतर्गत रहता है। dbPath से path override करें: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions, LanceDB storage backends के लिए string key/value pairs स्वीकार करता है और ${ENV_VAR} expansion का समर्थन करता है: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Runtime dependencies

memory-lancedb native @lancedb/lancedb package पर निर्भर करता है। Packaged OpenClaw उस package को plugin package का हिस्सा मानता है। Gateway startup plugin dependencies repair नहीं करता; यदि dependency missing है, तो plugin package reinstall या update करें और Gateway restart करें। यदि कोई पुराना install plugin load के दौरान missing dist/package.json या missing @lancedb/lancedb error log करता है, तो OpenClaw upgrade करें और Gateway restart करें। यदि plugin log करता है कि LanceDB darwin-x64 पर unavailable है, तो उस machine पर default memory backend का उपयोग करें, Gateway को supported platform पर move करें, या memory-lancedb disable करें।

​
Troubleshooting

​
Input length exceeds the context length

इसका सामान्य अर्थ है कि embedding model ने recall query reject कर दी: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
कम recallMaxChars सेट करें, फिर Gateway restart करें: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Ollama के लिए, यह भी verify करें कि embedding server Gateway host से reachable है: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Unsupported embedding model

dimensions के बिना, केवल built-in OpenAI embedding dimensions ज्ञात होते हैं। local या custom embedding models के लिए, embedding.dimensions को उस model द्वारा reported vector size पर सेट करें।

​
Plugin loads but no memories appear

जांचें कि plugins.slots.memory memory-lancedb की ओर point करता है, फिर चलाएं: 
openclaw ltm stats
openclaw ltm search "recent preference"
यदि autoCapture disabled है, तो plugin existing memories recall करेगा लेकिन new ones को automatically store नहीं करेगा। यदि आप automatic capture चाहते हैं, तो memory_store tool का उपयोग करें या autoCapture enable करें।