Langsung ke konten utama

Documentation Index

Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

memory-lancedb adalah plugin memori bawaan yang menyimpan memori jangka panjang di LanceDB dan menggunakan embedding untuk recall. Plugin ini dapat otomatis me-recall memori yang relevan sebelum giliran model dan menangkap fakta penting setelah respons. Gunakan saat Anda menginginkan basis data vektor lokal untuk memori, membutuhkan endpoint embedding yang kompatibel dengan OpenAI, atau ingin menyimpan basis data memori di luar penyimpanan memori bawaan default.
memory-lancedb adalah plugin active memory. Aktifkan dengan memilih slot memori dengan plugins.slots.memory = "memory-lancedb". Plugin pendamping seperti memory-wiki dapat berjalan di sampingnya, tetapi hanya satu plugin yang memiliki slot active memory.

​
Mulai cepat

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Mulai ulang Gateway setelah mengubah konfigurasi plugin: 
openclaw gateway restart
Lalu verifikasi bahwa plugin telah dimuat: 
openclaw plugins list

​
Embedding yang didukung penyedia

memory-lancedb dapat menggunakan adapter penyedia embedding memori yang sama seperti memory-core. Atur embedding.provider dan hilangkan embedding.apiKey untuk menggunakan profil autentikasi terkonfigurasi milik penyedia, variabel lingkungan, atau 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,
        },
      },
    },
  },
}
Jalur ini berfungsi dengan profil autentikasi penyedia yang mengekspos kredensial embedding. Misalnya, GitHub Copilot dapat digunakan ketika profil/paket Copilot mendukung embedding: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth (openai-codex) bukan kredensial embedding OpenAI Platform. Untuk embedding OpenAI, gunakan profil autentikasi kunci API OpenAI, OPENAI_API_KEY, atau models.providers.openai.apiKey. Pengguna yang hanya memakai OAuth dapat menggunakan penyedia lain yang mendukung embedding seperti GitHub Copilot atau Ollama.

​
Embedding Ollama

Untuk embedding Ollama, utamakan penyedia embedding Ollama bawaan. Penyedia ini menggunakan endpoint Ollama native /api/embed dan mengikuti aturan autentikasi/base URL yang sama seperti penyedia Ollama yang didokumentasikan di 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,
        },
      },
    },
  },
}
Atur dimensions untuk model embedding non-standar. OpenClaw mengetahui dimensi untuk text-embedding-3-small dan text-embedding-3-large; model kustom memerlukan nilai ini dalam konfigurasi agar LanceDB dapat membuat kolom vektor. Untuk model embedding lokal kecil, turunkan recallMaxChars jika Anda melihat galat panjang konteks dari server lokal.

​
Penyedia yang kompatibel dengan OpenAI

Beberapa penyedia embedding yang kompatibel dengan OpenAI menolak parameter encoding_format, sementara yang lain mengabaikannya dan selalu mengembalikan vektor number[]. Karena itu, memory-lancedb menghilangkan encoding_format pada permintaan embedding dan menerima respons array float maupun respons float32 berkode base64. Jika Anda memiliki endpoint embedding mentah yang kompatibel dengan OpenAI yang tidak memiliki adapter penyedia bawaan, hilangkan embedding.provider (atau biarkan sebagai openai) dan atur embedding.apiKey plus embedding.baseUrl. Ini mempertahankan jalur klien langsung yang kompatibel dengan OpenAI. Atur embedding.dimensions untuk penyedia yang dimensi modelnya tidak tersedia secara bawaan. Misalnya, ZhiPu embedding-3 menggunakan dimensi 2048: 
{
  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,
          },
        },
      },
    },
  },
}

​
Batas recall dan capture

memory-lancedb memiliki dua batas teks terpisah:
PengaturanDefaultRentangBerlaku untuk
recallMaxChars1000100-10000teks yang dikirim ke API embedding untuk recall
captureMaxChars500100-10000panjang pesan asisten yang layak untuk capture
recallMaxChars mengontrol auto-recall, alat memory_recall, jalur kueri memory_forget, dan openclaw ltm search. Auto-recall mengutamakan pesan pengguna terbaru dari giliran tersebut dan hanya kembali ke prompt lengkap ketika tidak ada pesan pengguna yang tersedia. Ini menjaga metadata channel dan blok prompt besar agar tidak masuk ke permintaan embedding. captureMaxChars mengontrol apakah sebuah respons cukup pendek untuk dipertimbangkan bagi capture otomatis. Ini tidak membatasi embedding kueri recall.

​
Perintah

Saat memory-lancedb menjadi plugin memori aktif, plugin ini mendaftarkan namespace CLI ltm: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Plugin ini juga memperluas openclaw memory dengan subperintah query non-vektor yang berjalan langsung terhadap tabel LanceDB: 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: allowlist kolom yang dipisahkan koma (default ke id, text, importance, category, createdAt).
  • --filter <condition>: klausa WHERE bergaya SQL; dibatasi hingga 200 karakter dan dibatasi ke alfanumerik, operator perbandingan, tanda kutip, tanda kurung, dan sekumpulan kecil tanda baca aman.
  • --limit <n>: bilangan bulat positif; default 10.
  • --order-by <column>:<asc|desc>: pengurutan dalam memori yang diterapkan setelah filter; kolom pengurutan otomatis disertakan dalam proyeksi.
Agen juga mendapatkan alat memori LanceDB dari plugin memori aktif:
  • memory_recall untuk recall yang didukung LanceDB
  • memory_store untuk menyimpan fakta, preferensi, keputusan, dan entitas penting
  • memory_forget untuk menghapus memori yang cocok

​
Penyimpanan

Secara default, data LanceDB berada di bawah ~/.openclaw/memory/lancedb. Ganti path dengan dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions menerima pasangan kunci/nilai string untuk backend penyimpanan LanceDB dan mendukung ekspansi ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Dependensi runtime

memory-lancedb bergantung pada paket native @lancedb/lancedb. OpenClaw yang dikemas memperlakukan paket tersebut sebagai bagian dari paket plugin. Startup Gateway tidak memperbaiki dependensi plugin; jika dependensi hilang, instal ulang atau perbarui paket plugin dan mulai ulang Gateway. Jika instalasi lama mencatat galat dist/package.json yang hilang atau @lancedb/lancedb yang hilang selama pemuatan plugin, tingkatkan OpenClaw dan mulai ulang Gateway. Jika plugin mencatat bahwa LanceDB tidak tersedia pada darwin-x64, gunakan backend memori default di mesin tersebut, pindahkan Gateway ke platform yang didukung, atau nonaktifkan memory-lancedb.

​
Pemecahan masalah

​
Panjang input melebihi panjang konteks

Ini biasanya berarti model embedding menolak kueri recall: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Atur recallMaxChars yang lebih rendah, lalu mulai ulang Gateway: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Untuk Ollama, verifikasi juga bahwa server embedding dapat dijangkau dari host Gateway: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Model embedding tidak didukung

Tanpa dimensions, hanya dimensi embedding OpenAI bawaan yang diketahui. Untuk model embedding lokal atau kustom, atur embedding.dimensions ke ukuran vektor yang dilaporkan oleh model tersebut.

​
Plugin dimuat tetapi tidak ada memori yang muncul

Periksa bahwa plugins.slots.memory mengarah ke memory-lancedb, lalu jalankan: 
openclaw ltm stats
openclaw ltm search "recent preference"
Jika autoCapture dinonaktifkan, plugin akan me-recall memori yang ada tetapi tidak akan otomatis menyimpan yang baru. Gunakan alat memory_store atau aktifkan autoCapture jika Anda menginginkan capture otomatis.

​
Terkait