मेमोरी कॉन्फ़िगरेशन संदर्भ

यह पेज OpenClaw मेमोरी खोज के हर कॉन्फ़िगरेशन नॉब को सूचीबद्ध करता है। वैचारिक अवलोकनों के लिए, देखें:

मेमोरी अवलोकन

मेमोरी कैसे काम करती है।

अंतर्निर्मित इंजन

डिफ़ॉल्ट SQLite बैकएंड।

QMD इंजन

लोकल-फ़र्स्ट साइडकार।

मेमोरी खोज

खोज पाइपलाइन और ट्यूनिंग।

Active Memory

इंटरैक्टिव सत्रों के लिए मेमोरी सब-एजेंट।

जब तक अन्यथा उल्लेख न हो, सभी मेमोरी खोज सेटिंग्स openclaw.json में agents.defaults.memorySearch के अंतर्गत रहती हैं।

यदि आप Active Memory फ़ीचर टॉगल और सब-एजेंट कॉन्फ़िगरेशन खोज रहे हैं, तो वह memorySearch के बजाय plugins.entries.active-memory के अंतर्गत रहता है।Active Memory दो-गेट मॉडल का उपयोग करती है:

Plugin सक्षम होना चाहिए और वर्तमान एजेंट id को लक्षित करना चाहिए
अनुरोध एक पात्र इंटरैक्टिव स्थायी चैट सत्र होना चाहिए

सक्रियण मॉडल, Plugin-स्वामित्व वाले कॉन्फ़िगरेशन, ट्रांसक्रिप्ट स्थायित्व, और सुरक्षित रोलआउट पैटर्न के लिए Active Memory देखें।

प्रदाता चयन

Key	Type	Default	Description
`provider`	`string`	`"openai"`	`bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible`, या `voyage` जैसे एम्बेडिंग एडैप्टर ID; यह कॉन्फ़िगर किया गया `models.providers.<id>` भी हो सकता है जिसका `api` किसी मेमोरी एम्बेडिंग एडैप्टर या OpenAI-संगत मॉडल API की ओर संकेत करता हो
`model`	`string`	provider default	एम्बेडिंग मॉडल का नाम
`fallback`	`string`	`"none"`	प्राथमिक विफल होने पर फ़ॉलबैक एडैप्टर ID
`enabled`	`boolean`	`true`	मेमोरी खोज सक्षम या अक्षम करें

जब provider सेट नहीं होता है, OpenClaw OpenAI एम्बेडिंग्स का उपयोग करता है। Gemini, Voyage, Mistral, DeepInfra, Bedrock, GitHub Copilot, Ollama, स्थानीय GGUF मॉडल, या OpenAI-संगत /v1/embeddings endpoint का उपयोग करने के लिए provider स्पष्ट रूप से सेट करें। पुराने कॉन्फ़िगरेशन जो अभी भी provider: "auto" कहते हैं, openai में रिज़ॉल्व होते हैं।

एम्बेडिंग प्रदाता, मॉडल, प्रदाता सेटिंग्स, स्रोत, स्कोप, चंकिंग, या tokenizer बदलने से मौजूदा SQLite vector index असंगत हो सकता है। OpenClaw सब कुछ अपने आप फिर से embed करने के बजाय vector search को रोक देता है और index identity चेतावनी रिपोर्ट करता है। जब आप तैयार हों, तो openclaw memory status --index --agent <id> या openclaw memory index --force --agent <id> से फिर से बनाएँ।

जब provider अनसेट होता है, पुराना provider: "auto" मौजूद होता है, या provider: "none" जानबूझकर FTS-only मोड चुनता है, तब embeddings अनुपलब्ध होने पर भी memory recall lexical FTS ranking का उपयोग कर सकता है। स्पष्ट non-local providers fail closed होते हैं। यदि आप memorySearch.provider को OpenAI, Gemini, Voyage, Mistral, Bedrock, GitHub Copilot, DeepInfra, Ollama, LM Studio, या OpenAI-संगत custom provider जैसे ठोस remote-backed provider पर सेट करते हैं, और वह provider runtime पर अनुपलब्ध है, तो memory_search चुपचाप FTS-only recall का उपयोग करने के बजाय unavailable result लौटाता है। provider/auth configuration ठीक करें, किसी reachable provider पर स्विच करें, या यदि आप जानबूझकर FTS-only recall चाहते हैं तो provider: "none" सेट करें।

कस्टम प्रदाता id

memorySearch.provider memory-specific provider adapters जैसे ollama, या OpenAI-compatible model APIs जैसे openai-responses / openai-completions के लिए custom models.providers.<id> entry की ओर संकेत कर सकता है। OpenClaw endpoint, auth, और model-prefix handling के लिए custom provider id को सुरक्षित रखते हुए embedding adapter के लिए उस provider के api owner को resolve करता है। इससे multi-GPU या multi-host setups memory embeddings को किसी विशिष्ट local endpoint को समर्पित कर सकते हैं:

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b" }],
      },
    },
  },
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama-5080",
        model: "qwen3-embedding:0.6b",
      },
    },
  },
}

API key resolution

Remote embeddings के लिए API key आवश्यक है। Bedrock इसके बजाय AWS SDK default credential chain का उपयोग करता है (instance roles, SSO, access keys)।

Provider	Env var	Config key
Bedrock	AWS credential chain	कोई API key आवश्यक नहीं
DeepInfra	`DEEPINFRA_API_KEY`	`models.providers.deepinfra.apiKey`
Gemini	`GEMINI_API_KEY`	`models.providers.google.apiKey`
GitHub Copilot	`COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN`	device login के माध्यम से auth profile
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (placeholder)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

Codex OAuth केवल chat/completions को कवर करता है और embedding requests को पूरा नहीं करता।

Remote endpoint config

एक generic OpenAI-compatible /v1/embeddings server के लिए provider: "openai-compatible" का उपयोग करें, जिसे global OpenAI chat credentials विरासत में नहीं लेने चाहिए।

remote.baseUrl

string

Custom API base URL।

remote.apiKey

string

API key override करें।

remote.headers

object

अतिरिक्त HTTP headers (provider defaults के साथ merged)।

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai-compatible",
        model: "text-embedding-3-small",
        remote: {
          baseUrl: "https://api.example.com/v1/",
          apiKey: "YOUR_KEY",
        },
      },
    },
  },
}

Provider-specific config

Gemini

Key	Type	Default	Description
`model`	`string`	`gemini-embedding-001`	`gemini-embedding-2-preview` को भी support करता है
`outputDimensionality`	`number`	`3072`	Embedding 2 के लिए: 768, 1536, या 3072

मॉडल या outputDimensionality बदलने से index identity बदल जाती है। OpenClaw memory index को स्पष्ट रूप से rebuild करने तक vector search रोक देता है।

OpenAI-compatible input types

OpenAI-compatible embedding endpoints provider-specific input_type request fields में opt in कर सकते हैं। यह asymmetric embedding models के लिए उपयोगी है, जिन्हें query और document embeddings के लिए अलग labels चाहिए होते हैं।

Key	Type	Default	Description
`inputType`	`string`	unset	query और document embeddings के लिए साझा `input_type`
`queryInputType`	`string`	unset	Query-time `input_type`; `inputType` को override करता है
`documentInputType`	`string`	unset	Index/document `input_type`; `inputType` को override करता है

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai-compatible",
        remote: {
          baseUrl: "https://embeddings.example/v1",
          apiKey: "${EMBEDDINGS_API_KEY}",
        },
        model: "asymmetric-embedder",
        queryInputType: "query",
        documentInputType: "passage",
      },
    },
  },
}

इन मानों को बदलना provider batch indexing के लिए embedding cache identity को प्रभावित करता है और जब upstream model labels को अलग तरह से treat करता है, तो इसके बाद memory reindex किया जाना चाहिए।

Bedrock

Bedrock embedding config

Bedrock AWS SDK default credential chain का उपयोग करता है — कोई API keys आवश्यक नहीं। यदि OpenClaw Bedrock-enabled instance role के साथ EC2 पर चलता है, तो बस provider और model सेट करें:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "bedrock",
        model: "amazon.titan-embed-text-v2:0",
      },
    },
  },
}

Key	Type	Default	Description
`model`	`string`	`amazon.titan-embed-text-v2:0`	कोई भी Bedrock embedding model ID
`outputDimensionality`	`number`	model default	Titan V2 के लिए: 256, 512, या 1024

Supported models (family detection और dimension defaults के साथ):

मॉडल ID	प्रदाता	डिफ़ॉल्ट आयाम	कॉन्फ़िगर करने योग्य आयाम
`amazon.titan-embed-text-v2:0`	Amazon	1024	256, 512, 1024
`amazon.titan-embed-text-v1`	Amazon	1536	—
`amazon.titan-embed-g1-text-02`	Amazon	1536	—
`amazon.titan-embed-image-v1`	Amazon	1024	—
`amazon.nova-2-multimodal-embeddings-v1:0`	Amazon	1024	256, 384, 1024, 3072
`cohere.embed-english-v3`	Cohere	1024	—
`cohere.embed-multilingual-v3`	Cohere	1024	—
`cohere.embed-v4:0`	Cohere	1536	256-1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

थ्रूपुट-प्रत्यय वाले वैरिएंट (जैसे, amazon.titan-embed-text-v1:2:8k) बेस मॉडल का कॉन्फ़िगरेशन इनहेरिट करते हैं।प्रमाणीकरण: Bedrock प्रमाणीकरण मानक AWS SDK क्रेडेंशियल समाधान क्रम का उपयोग करता है:

एनवायरनमेंट वेरिएबल (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
SSO टोकन कैश
वेब आइडेंटिटी टोकन क्रेडेंशियल
साझा क्रेडेंशियल और कॉन्फ़िग फ़ाइलें
ECS या EC2 मेटाडेटा क्रेडेंशियल

रीजन AWS_REGION, AWS_DEFAULT_REGION, amazon-bedrock प्रदाता baseUrl से निर्धारित होता है, या डिफ़ॉल्ट रूप से us-east-1 होता है।IAM अनुमतियाँ: IAM रोल या उपयोगकर्ता को चाहिए:

{
  "Effect": "Allow",
  "Action": "bedrock:InvokeModel",
  "Resource": "*"
}

न्यूनतम-विशेषाधिकार के लिए, InvokeModel को विशिष्ट मॉडल तक सीमित करें:

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

Local (GGUF + llama.cpp)

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`local.modelPath`	`string`	स्वतः डाउनलोड किया गया	GGUF मॉडल फ़ाइल का पथ
`local.modelCacheDir`	`string`	node-llama-cpp डिफ़ॉल्ट	डाउनलोड किए गए मॉडल के लिए कैश डायरेक्टरी
`local.contextSize`	`number \| "auto"`	`4096`	एम्बेडिंग कॉन्टेक्स्ट के लिए कॉन्टेक्स्ट विंडो आकार। 4096 सामान्य चंक्स (128–512 टोकन) को कवर करता है और non-weight VRAM को सीमित रखता है। सीमित होस्ट पर इसे घटाकर 1024–2048 करें। `"auto"` मॉडल के प्रशिक्षित अधिकतम का उपयोग करता है — 8B+ मॉडल के लिए अनुशंसित नहीं (Qwen3-Embedding-8B: 40 960 टोकन → ~32 GB VRAM बनाम 4096 पर ~8.8 GB)।

पहले आधिकारिक llama.cpp प्रदाता इंस्टॉल करें: openclaw plugins install @openclaw/llama-cpp-provider. डिफ़ॉल्ट मॉडल: embeddinggemma-300m-qat-Q8_0.gguf (~0.6 GB, स्वतः डाउनलोड किया गया)। सोर्स चेकआउट में अब भी नेटिव बिल्ड स्वीकृति चाहिए: pnpm approve-builds फिर pnpm rebuild node-llama-cpp.Gateway द्वारा उपयोग किए जाने वाले उसी प्रदाता पथ को सत्यापित करने के लिए स्टैंडअलोन CLI का उपयोग करें:

openclaw memory status --deep --agent main
openclaw memory index --force --agent main

स्थानीय GGUF एम्बेडिंग के लिए provider: "local" स्पष्ट रूप से सेट करें। hf: और HTTP(S) मॉडल संदर्भ स्पष्ट स्थानीय कॉन्फ़िग के लिए समर्थित हैं, लेकिन वे डिफ़ॉल्ट प्रदाता को नहीं बदलते।

इनलाइन एम्बेडिंग टाइमआउट

sync.embeddingBatchTimeoutSeconds

number

मेमोरी इंडेक्सिंग के दौरान इनलाइन एम्बेडिंग बैच के लिए टाइमआउट ओवरराइड करें।सेट न होने पर प्रदाता डिफ़ॉल्ट का उपयोग होता है: local, ollama, और lmstudio जैसे स्थानीय/स्व-होस्टेड प्रदाताओं के लिए 600 सेकंड, और होस्टेड प्रदाताओं के लिए 120 सेकंड। जब स्थानीय CPU-बाउंड एम्बेडिंग बैच स्वस्थ हों लेकिन धीमे हों, तो इसे बढ़ाएँ।

हाइब्रिड खोज कॉन्फ़िग

सभी memorySearch.query.hybrid के अंतर्गत:

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`enabled`	`boolean`	`true`	हाइब्रिड BM25 + वेक्टर खोज सक्षम करें
`vectorWeight`	`number`	`0.7`	वेक्टर स्कोर के लिए वेट (0-1)
`textWeight`	`number`	`0.3`	BM25 स्कोर के लिए वेट (0-1)
`candidateMultiplier`	`number`	`4`	उम्मीदवार पूल आकार गुणक

MMR (diversity)
Temporal decay (recency)

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`mmr.enabled`	`boolean`	`false`	MMR री-रैंकिंग सक्षम करें
`mmr.lambda`	`number`	`0.7`	0 = अधिकतम विविधता, 1 = अधिकतम प्रासंगिकता

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`temporalDecay.enabled`	`boolean`	`false`	हालिया होने का बूस्ट सक्षम करें
`temporalDecay.halfLifeDays`	`number`	`30`	स्कोर हर N दिन में आधा हो जाता है

एवरग्रीन फ़ाइलें (MEMORY.md, memory/ में बिना तारीख वाली फ़ाइलें) कभी decay नहीं की जातीं।

पूरा उदाहरण

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            vectorWeight: 0.7,
            textWeight: 0.3,
            mmr: { enabled: true, lambda: 0.7 },
            temporalDecay: { enabled: true, halfLifeDays: 30 },
          },
        },
      },
    },
  },
}

अतिरिक्त मेमोरी पथ

कुंजी	प्रकार	विवरण
`extraPaths`	`string[]`	इंडेक्स करने के लिए अतिरिक्त निर्देशिकाएं या फ़ाइलें

{
  agents: {
    defaults: {
      memorySearch: {
        extraPaths: ["../team-docs", "/srv/shared-notes"],
      },
    },
  },
}

पथ निरपेक्ष या workspace-सापेक्ष हो सकते हैं। निर्देशिकाओं को .md फ़ाइलों के लिए पुनरावर्ती रूप से स्कैन किया जाता है। Symlink हैंडलिंग सक्रिय backend पर निर्भर करती है: builtin engine symlinks को अनदेखा करता है, जबकि QMD अंतर्निहित QMD scanner व्यवहार का पालन करता है। agent-scoped cross-agent transcript search के लिए, memory.qmd.paths के बजाय agents.list[].memorySearch.qmd.extraCollections का उपयोग करें। वे अतिरिक्त collections समान { path, name, pattern? } आकार का पालन करती हैं, लेकिन उन्हें प्रति agent merge किया जाता है और जब path वर्तमान workspace के बाहर इंगित करता है, तो वे स्पष्ट shared names को संरक्षित रख सकती हैं। यदि वही resolved path memory.qmd.paths और memorySearch.qmd.extraCollections दोनों में दिखाई देता है, तो QMD पहली entry रखता है और duplicate को छोड़ देता है।

Multimodal मेमोरी (Gemini)

Gemini Embedding 2 का उपयोग करके Markdown के साथ images और audio को इंडेक्स करें:

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`multimodal.enabled`	`boolean`	`false`	multimodal indexing सक्षम करें
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]`, या `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	indexing के लिए अधिकतम फ़ाइल आकार

केवल extraPaths में मौजूद फ़ाइलों पर लागू होता है। डिफ़ॉल्ट memory roots केवल Markdown रहती हैं। gemini-embedding-2-preview आवश्यक है। fallback "none" होना चाहिए।

समर्थित formats: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (images); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

एम्बेडिंग कैश

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`cache.enabled`	`boolean`	`true`	chunk embeddings को SQLite में cache करें
`cache.maxEntries`	`number`	`50000`	अधिकतम cached embeddings

reindex या transcript updates के दौरान अपरिवर्तित text को फिर से embed होने से रोकता है।

बैच इंडेक्सिंग

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`remote.nonBatchConcurrency`	`number`	`4`	समानांतर inline embeddings
`remote.batch.enabled`	`boolean`	`false`	batch embedding API सक्षम करें
`remote.batch.concurrency`	`number`	`2`	समानांतर batch jobs
`remote.batch.wait`	`boolean`	`true`	batch completion की प्रतीक्षा करें
`remote.batch.pollIntervalMs`	`number`	—	poll interval
`remote.batch.timeoutMinutes`	`number`	—	batch timeout

openai, gemini, और voyage के लिए उपलब्ध। बड़े backfills के लिए OpenAI batch आमतौर पर सबसे तेज और सबसे सस्ता होता है। remote.nonBatchConcurrency local/self-hosted providers और hosted providers द्वारा उपयोग की जाने वाली inline embedding calls को नियंत्रित करता है, जब provider batch APIs सक्रिय नहीं होती हैं। छोटे local hosts पर अधिक भार से बचने के लिए Ollama non-batch indexing के लिए डिफ़ॉल्ट रूप से 1 का उपयोग करता है; बड़ी machines पर अधिक मान सेट करें। यह sync.embeddingBatchTimeoutSeconds से अलग है, जो inline embedding calls के लिए timeout को नियंत्रित करता है।

सेशन मेमोरी खोज (प्रायोगिक)

session transcripts को इंडेक्स करें और उन्हें memory_search के माध्यम से प्रस्तुत करें:

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`experimental.sessionMemory`	`boolean`	`false`	session indexing सक्षम करें
`sources`	`string[]`	`["memory"]`	transcripts शामिल करने के लिए `"sessions"` जोड़ें
`sync.sessions.deltaBytes`	`number`	`100000`	reindex के लिए byte threshold
`sync.sessions.deltaMessages`	`number`	`50`	reindex के लिए message threshold

Session indexing opt-in है और asynchronously चलती है। Results थोड़े पुराने हो सकते हैं। Session logs disk पर रहते हैं, इसलिए filesystem access को trust boundary मानें।

सत्र प्रतिलेख मिलान भी tools.sessions.visibility का पालन करते हैं। डिफ़ॉल्ट tree दृश्यता केवल वर्तमान सत्र और उसके द्वारा शुरू किए गए सत्रों को दिखाती है। किसी अलग सत्र, जैसे DM, से किसी असंबंधित समान-एजेंट Gateway द्वारा भेजे गए सत्र को याद करने के लिए, दृश्यता को जानबूझकर agent तक बढ़ाएँ (या all केवल तब जब क्रॉस-एजेंट रिकॉल भी आवश्यक हो और एजेंट-से-एजेंट नीति इसकी अनुमति देती हो)। नीचे दिए गए उदाहरण इन सेटिंग्स को agents.defaults के अंतर्गत रखते हैं। जब केवल एक एजेंट को सत्र प्रतिलेखों को इंडेक्स और खोज करना चाहिए, तब आप प्रति-एजेंट ओवरराइड में समकक्ष memorySearch सेटिंग्स भी लागू कर सकते हैं। समान-एजेंट Gateway-से-DM रिकॉल के लिए:

Builtin backend
QMD backend

{
  agents: {
    defaults: {
      memorySearch: {
        experimental: { sessionMemory: true },
        sources: ["memory", "sessions"],
      },
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

{
  agents: {
    defaults: {
      memorySearch: {
        experimental: { sessionMemory: true },
        sources: ["memory", "sessions"],
      },
    },
  },
  memory: {
    backend: "qmd",
    qmd: {
      sessions: { enabled: true },
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

QMD का उपयोग करते समय, agents.defaults.memorySearch.experimental.sessionMemory और sources: ["sessions"] अपने-आप प्रतिलेखों को QMD में निर्यात नहीं करते। साथ में memory.qmd.sessions.enabled: true भी सेट करें।

SQLite वेक्टर त्वरण (sqlite-vec)

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`store.vector.enabled`	`boolean`	`true`	वेक्टर क्वेरी के लिए sqlite-vec का उपयोग करें
`store.vector.extensionPath`	`string`	बंडल किया गया	sqlite-vec पथ को ओवरराइड करें

जब sqlite-vec उपलब्ध नहीं होता, OpenClaw अपने-आप इन-प्रोसेस कोसाइन समानता पर वापस चला जाता है।

इंडेक्स संग्रहण

बिल्ट-इन मेमोरी इंडेक्स प्रत्येक एजेंट के OpenClaw SQLite डेटाबेस में रहते हैं: agents/<agentId>/agent/openclaw-agent.sqlite।

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`store.fts.tokenizer`	`string`	`unicode61`	FTS5 टोकनाइज़र (`unicode61` या `trigram`)

QMD बैकएंड कॉन्फ़िगरेशन

सक्षम करने के लिए memory.backend = "qmd" सेट करें। सभी QMD सेटिंग्स memory.qmd के अंतर्गत रहती हैं:

कुंजी	प्रकार	डिफ़ॉल्ट	विवरण
`command`	`string`	`qmd`	QMD executable पथ; जब सेवा का `PATH` आपके shell से अलग हो तो एक absolute पथ सेट करें
`searchMode`	`string`	`search`	खोज कमांड: `search`, `vsearch`, `query`
`rerank`	`boolean`	—	QMD reranking छोड़ने के लिए `searchMode: "query"` और QMD 2.1+ के साथ `false` पर सेट करें
`includeDefaultMemory`	`boolean`	`true`	`MEMORY.md` + `memory/*/.md` को अपने-आप इंडेक्स करें
`paths[]`	`array`	—	अतिरिक्त पथ: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	सत्र प्रतिलेखों को QMD में निर्यात करें
`sessions.retentionDays`	`number`	—	प्रतिलेख retention
`sessions.exportDir`	`string`	—	निर्यात निर्देशिका

searchMode: "search" केवल lexical/BM25 है। OpenClaw उस मोड के लिए semantic vector readiness probes या QMD embedding maintenance नहीं चलाता, जिसमें memory status --deep के दौरान भी शामिल है; vsearch और query के लिए QMD vector readiness और embeddings आवश्यक बने रहते हैं। rerank: false केवल QMD query मोड को बदलता है और इसके लिए QMD 2.1 या उससे नया संस्करण आवश्यक है। direct CLI मोड में OpenClaw --no-rerank पास करता है; mcporter-backed MCP मोड में यह QMD के unified query tool को rerank: false पास करता है। QMD के डिफ़ॉल्ट query reranking व्यवहार का उपयोग करने के लिए इसे unset छोड़ दें। OpenClaw मौजूदा QMD collection और MCP query shapes को प्राथमिकता देता है, लेकिन आवश्यकता होने पर compatible collection pattern flags और पुराने MCP tool names आज़माकर पुराने QMD रिलीज़ को काम करते रहने देता है। जब QMD कई collection filters के समर्थन का विज्ञापन करता है, same-source collections को एक QMD process से खोजा जाता है; पुराने QMD builds per-collection compatibility path बनाए रखते हैं। Same-source का अर्थ है कि durable memory collections को साथ में समूहित किया जाता है, जबकि session transcript collections एक अलग समूह बने रहते हैं ताकि source diversification में अब भी दोनों inputs रहें।

QMD model overrides QMD पक्ष पर रहते हैं, OpenClaw config में नहीं। यदि आपको QMD के models को globally override करना है, तो gateway runtime environment में QMD_EMBED_MODEL, QMD_RERANK_MODEL, और QMD_GENERATE_MODEL जैसे environment variables सेट करें।

अपडेट शेड्यूल

Key	Type	Default	Description
`update.interval`	`string`	`5m`	रीफ़्रेश अंतराल
`update.debounceMs`	`number`	`15000`	फ़ाइल बदलावों को Debounce करें
`update.onBoot`	`boolean`	`true`	लंबे समय तक चलने वाला QMD मैनेजर खुलने पर रीफ़्रेश करें; तत्काल बूट अपडेट छोड़ने के लिए false सेट करें
`update.startup`	`string`	`off`	वैकल्पिक gateway-start QMD आरंभीकरण: `off`, `idle`, या `immediate`
`update.startupDelayMs`	`number`	`120000`	`startup: "idle"` रीफ़्रेश चलने से पहले विलंब
`update.waitForBootSync`	`boolean`	`false`	मैनेजर खोलने को तब तक रोकें जब तक उसका शुरुआती रीफ़्रेश पूरा न हो जाए
`update.embedInterval`	`string`	—	अलग embed cadence
`update.commandTimeoutMs`	`number`	—	QMD कमांड के लिए Timeout
`update.updateTimeoutMs`	`number`	—	QMD अपडेट कार्रवाइयों के लिए Timeout
`update.embedTimeoutMs`	`number`	—	QMD embed कार्रवाइयों के लिए Timeout

सीमाएँ

Key	Type	Default	Description
`limits.maxResults`	`number`	`6`	अधिकतम खोज परिणाम
`limits.maxSnippetChars`	`number`	—	स्निपेट की लंबाई सीमित करें
`limits.maxInjectedChars`	`number`	—	कुल इंजेक्ट किए गए वर्ण सीमित करें
`limits.timeoutMs`	`number`	`4000`	खोज Timeout

स्कोप

नियंत्रित करता है कि कौन-से सत्र QMD खोज परिणाम प्राप्त कर सकते हैं। वही स्कीमा जो session.sendPolicy में है:

{
  memory: {
    qmd: {
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
    },
  },
}

शिप किया गया डिफ़ॉल्ट direct और channel सत्रों को अनुमति देता है, जबकि groups को अब भी अस्वीकार करता है।डिफ़ॉल्ट केवल-DM है। match.keyPrefix सामान्यीकृत session key से मेल खाता है; match.rawKeyPrefix agent:<id>: सहित raw key से मेल खाता है।

उद्धरण

memory.citations सभी backends पर लागू होता है:

Value	Behavior
`auto` (default)	स्निपेट में `Source: <path#line>` footer शामिल करें
`on`	हमेशा footer शामिल करें
`off`	footer छोड़ें (path अब भी आंतरिक रूप से agent को भेजा जाता है)

जब gateway-start QMD आरंभीकरण सक्षम होता है, OpenClaw केवल पात्र agents के लिए QMD शुरू करता है। यदि update.onBoot true है और कोई interval/embed maintenance कॉन्फ़िगर नहीं है, तो startup boot refresh के लिए one-shot manager का उपयोग करता है और उसे बंद कर देता है। यदि कोई update या embed interval कॉन्फ़िगर है, तो startup लंबे समय तक चलने वाला QMD manager खोलता है ताकि वह watcher और interval timers का स्वामी हो सके; update.onBoot: false केवल तत्काल boot refresh को छोड़ता है।

पूरा QMD उदाहरण

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 6, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming को agents.defaults.memorySearch के अंतर्गत नहीं, बल्कि plugins.entries.memory-core.config.dreaming के अंतर्गत कॉन्फ़िगर किया जाता है। Dreaming एक scheduled sweep के रूप में चलता है और implementation detail के रूप में आंतरिक light/deep/REM phases का उपयोग करता है। संकल्पनात्मक व्यवहार और slash commands के लिए, Dreaming देखें।

उपयोगकर्ता सेटिंग्स

Key	Type	Default	Description
`enabled`	`boolean`	`false`	Dreaming को पूरी तरह सक्षम या अक्षम करें
`frequency`	`string`	`0 3 * * *`	पूरे dreaming sweep के लिए वैकल्पिक Cron cadence
`model`	`string`	डिफ़ॉल्ट model	वैकल्पिक Dream Diary subagent model override
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	`MEMORY.md` में promote किए गए प्रत्येक short-term recall snippet से रखे गए अधिकतम अनुमानित tokens; provenance metadata दृश्यमान रहता है

उदाहरण

{
  plugins: {
    entries: {
      "memory-core": {
        subagent: {
          allowModelOverride: true,
          allowedModels: ["anthropic/claude-sonnet-4-6"],
        },
        config: {
          dreaming: {
            enabled: true,
            frequency: "0 3 * * *",
            model: "anthropic/claude-sonnet-4-6",
          },
        },
      },
    },
  },
}

Dreaming machine state को memory/.dreams/ में लिखता है।
Dreaming human-readable narrative output को DREAMS.md (या मौजूदा dreams.md) में लिखता है।
dreaming.model मौजूदा plugin subagent trust gate का उपयोग करता है; इसे सक्षम करने से पहले plugins.entries.memory-core.subagent.allowModelOverride: true सेट करें।
कॉन्फ़िगर किया गया model उपलब्ध न होने पर Dream Diary session default model के साथ एक बार पुनः प्रयास करता है। Trust या allowlist विफलताएँ log की जाती हैं और चुपचाप पुनः प्रयास नहीं की जातीं।
light/deep/REM phase policy और thresholds आंतरिक व्यवहार हैं, user-facing config नहीं।

मेमोरी अवलोकन

अंतर्निर्मित इंजन

QMD इंजन

मेमोरी खोज

Active Memory

​प्रदाता चयन

​कस्टम प्रदाता id

​API key resolution

​Remote endpoint config

​Provider-specific config

​Bedrock embedding config

​इनलाइन एम्बेडिंग टाइमआउट

​हाइब्रिड खोज कॉन्फ़िग

​पूरा उदाहरण

​अतिरिक्त मेमोरी पथ

​Multimodal मेमोरी (Gemini)

​एम्बेडिंग कैश

​बैच इंडेक्सिंग

​सेशन मेमोरी खोज (प्रायोगिक)

​SQLite वेक्टर त्वरण (sqlite-vec)

​इंडेक्स संग्रहण

​QMD बैकएंड कॉन्फ़िगरेशन

​पूरा QMD उदाहरण

​Dreaming

​उपयोगकर्ता सेटिंग्स

​उदाहरण

​संबंधित

प्रदाता चयन

कस्टम प्रदाता id

API key resolution

Remote endpoint config

Provider-specific config

Bedrock embedding config

इनलाइन एम्बेडिंग टाइमआउट

हाइब्रिड खोज कॉन्फ़िग

पूरा उदाहरण

अतिरिक्त मेमोरी पथ

Multimodal मेमोरी (Gemini)

एम्बेडिंग कैश

बैच इंडेक्सिंग

सेशन मेमोरी खोज (प्रायोगिक)

SQLite वेक्टर त्वरण (sqlite-vec)

इंडेक्स संग्रहण

QMD बैकएंड कॉन्फ़िगरेशन

पूरा QMD उदाहरण

Dreaming

उपयोगकर्ता सेटिंग्स

उदाहरण

संबंधित