Referensi konfigurasi memori

Halaman ini mencantumkan setiap opsi konfigurasi untuk pencarian memori OpenClaw. Untuk gambaran umum konseptual, lihat:

Gambaran umum memori

Cara kerja memori.

Mesin bawaan

Backend SQLite default.

Mesin QMD

Sidecar yang mengutamakan penggunaan lokal.

Pencarian memori

Pipeline pencarian dan penyetelan.

Active Memory

Subagen memori untuk sesi interaktif.

Semua pengaturan pencarian memori berada di bawah agents.defaults.memorySearch dalam openclaw.json (atau penggantian agents.list[].memorySearch per agen), kecuali dinyatakan lain.

Untuk alur kerja agen pribadi yang direkomendasikan, gunakan memorySearch.rememberAcrossConversations. Kontrol penargetan, model, prompt, dan latensi Active Memory tingkat lanjut berada di bawah plugins.entries.active-memory.Lihat Active Memory untuk kedua jalur aktivasi, persistensi transkrip, dan panduan peluncuran yang aman.

Mengingat lintas percakapan

Kunci	Tipe	Default	Deskripsi
`rememberAcrossConversations`	`boolean`	Aktif untuk instalasi pribadi; nonaktif jika isolasi DM dikonfigurasi	Gunakan konteks yang relevan dari percakapan pribadi lain milik agen ini yang dikenali.

Konfigurasikan per agen jika hanya agen pribadi tepercaya yang boleh menggunakan pengingatan transkrip lintas percakapan:

{
  agents: {
    list: [
      {
        id: "personal",
        memorySearch: {
          rememberAcrossConversations: true,
        },
      },
    ],
  },
}

Nilai tersebut mengikuti pewarisan agents.defaults.memorySearch normal dengan penggantian per agen. Jika tidak ditetapkan, nilai tersebut secara default hanya aktif jika session.dmScope global tidak ditetapkan atau "main" dan tidak ada binding yang memiliki penggantian session.dmScope. Isolasi DM apa pun yang dikonfigurasi akan menonaktifkannya secara default. true atau false yang eksplisit selalu diutamakan. Mengaktifkannya menyiratkan pengindeksan transkrip sesi dan menambahkan sessions ke sumber memori agen yang telah diresolusi. Dengan QMD, tindakan ini juga mengaktifkan ekspor sesi agen tersebut; pengaturan memory.qmd.sessions.enabled terpisah tidak diperlukan untuk mode ini. Penyedia memori bawaan OpenClaw mendukung jalur terlindungi ini dengan backend bawaan maupun QMD. Penyedia memori alternatif dapat terus menggunakan hook pengingatan dan alat Active Memory tingkat lanjut miliknya sendiri, tetapi pengaturan ini dilewati kecuali penyedia saat ini mendukung pengingatan transkrip pribadi yang terlindungi. openclaw doctor melaporkan penyedia yang tidak didukung atau daftar Active Memory toolsAllow eksplisit yang tidak menyertakan memory_search. Batas pengambilannya lebih sempit daripada pencarian sesi umum:

hanya percakapan pribadi yang dikenali milik agen yang sama yang memenuhi syarat
percakapan yang sedang dijawab dikecualikan
grup dan kanal dikecualikan sebagai sumber dan tujuan
jenis percakapan yang tidak diketahui ditolak secara default
pengingatan dalam sandbox tidak dapat menggunakan otorisasi lintas percakapan khusus

Pengaturan ini tidak mengubah tools.sessions.visibility, kunci sesi, penyimpanan transkrip, perutean pengiriman, atau izin sessions_list, sessions_history, dan sessions_send. Active Memory melakukan tahap pengambilan hanya-baca yang terbatas; pengambilan yang tidak tersedia atau kehabisan waktu tidak memblokir balasan.

Pemilihan penyedia

Kunci	Tipe	Default	Deskripsi
`enabled`	`boolean`	`true`	Aktifkan atau nonaktifkan pencarian memori
`provider`	`string`	`"openai"`	ID adaptor embedding seperti `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible`, atau `voyage`; juga dapat berupa `models.providers.<id>` terkonfigurasi yang `api`-nya mengarah ke adaptor embedding memori atau API model yang kompatibel dengan OpenAI
`model`	`string`	default penyedia	Nama model embedding
`fallback`	`string`	`"none"`	ID adaptor fallback ketika adaptor utama gagal

Jika provider tidak ditetapkan, OpenClaw menggunakan embedding OpenAI. Tetapkan provider secara eksplisit untuk menggunakan Bedrock, DeepInfra, Gemini, GitHub Copilot, Mistral, Ollama, Voyage, model GGUF lokal, atau endpoint /v1/embeddings yang kompatibel dengan OpenAI. Konfigurasi lama yang masih menyatakan provider: "auto" diresolusi menjadi openai.

Mengubah penyedia embedding, model, pengaturan penyedia, sumber, cakupan, pemotongan, atau tokenizer dapat membuat indeks vektor SQLite yang ada menjadi tidak kompatibel. OpenClaw menjeda pencarian vektor dan melaporkan peringatan identitas indeks alih-alih secara otomatis membuat ulang embedding untuk semuanya. Bangun ulang saat Anda siap dengan openclaw memory status --index --agent <id> atau openclaw memory index --force --agent <id>.

Jika provider tidak ditetapkan, provider: "auto" lama tersedia, atau provider: "none" sengaja memilih mode khusus FTS, pengingatan memori tetap dapat menggunakan pemeringkatan FTS leksikal ketika embedding tidak tersedia. Penyedia nonlokal eksplisit ditolak secara default. Jika Anda menetapkan memorySearch.provider ke penyedia konkret yang didukung layanan jarak jauh seperti Bedrock, DeepInfra, Gemini, GitHub Copilot, LM Studio, Mistral, Ollama, OpenAI, Voyage, atau penyedia kustom yang kompatibel dengan OpenAI, dan penyedia tersebut tidak tersedia saat runtime, memory_search mengembalikan hasil tidak tersedia alih-alih diam-diam menggunakan pengingatan khusus FTS. Perbaiki konfigurasi penyedia/autentikasi, beralihlah ke penyedia yang dapat dijangkau, atau tetapkan provider: "none" jika Anda menginginkan pengingatan khusus FTS secara sengaja.

ID penyedia kustom

memorySearch.provider dapat mengarah ke entri models.providers.<id> kustom untuk adaptor penyedia khusus memori seperti ollama, atau untuk API model yang kompatibel dengan OpenAI seperti openai-responses / openai-completions. OpenClaw meresolusi pemilik api penyedia tersebut untuk adaptor embedding sambil mempertahankan ID penyedia kustom untuk penanganan endpoint, autentikasi, dan prefiks model. Hal ini memungkinkan penyiapan multi-GPU atau multi-host mendedikasikan embedding memori ke endpoint lokal tertentu:

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b", name: "Qwen3 Embedding 0.6B" }],
      },
    },
  },
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama-5080",
        model: "qwen3-embedding:0.6b",
      },
    },
  },
}

Resolusi kunci API

Embedding jarak jauh memerlukan kunci API. Sebagai gantinya, Bedrock menggunakan rantai kredensial default AWS SDK (peran instans, SSO, kunci akses, atau kunci API Bedrock).

Penyedia	Variabel lingkungan	Kunci konfigurasi
Bedrock	Rantai kredensial AWS, atau `AWS_BEARER_TOKEN_BEDROCK`	Tidak memerlukan kunci API
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`	Profil autentikasi melalui login perangkat
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`

OAuth Codex hanya mencakup chat/completions dan tidak memenuhi permintaan embedding.

Konfigurasi endpoint jarak jauh

Gunakan provider: "openai-compatible" untuk server /v1/embeddings generik yang kompatibel dengan OpenAI dan tidak boleh mewarisi kredensial chat OpenAI global.

string

URL dasar API kustom.

string

Ganti kunci API.

object

Header HTTP tambahan (digabungkan dengan default penyedia).

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

Konfigurasi khusus penyedia

Gemini

Kunci	Tipe	Default	Deskripsi
`model`	`string`	`gemini-embedding-001`	Juga mendukung `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	Untuk Embedding 2: 768, 1536, atau 3072

Mengubah model atau outputDimensionality akan mengubah identitas indeks. OpenClaw menjeda pencarian vektor hingga Anda membangun ulang indeks memori secara eksplisit.

Tipe input yang kompatibel dengan OpenAI

Endpoint embedding yang kompatibel dengan OpenAI dapat memilih untuk menggunakan bidang permintaan input_type khusus penyedia. Hal ini berguna untuk model embedding asimetris yang memerlukan label berbeda untuk embedding kueri dan dokumen.

Kunci	Tipe	Bawaan	Deskripsi
`inputType`	`string`	tidak diatur	`input_type` bersama untuk embedding kueri dan dokumen
`queryInputType`	`string`	tidak diatur	`input_type` saat kueri; menimpa `inputType`
`documentInputType`	`string`	tidak diatur	`input_type` indeks/dokumen; menimpa `inputType`

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

Mengubah nilai-nilai ini memengaruhi identitas cache embedding untuk pengindeksan batch penyedia dan harus diikuti dengan pengindeksan ulang memori jika model upstream memperlakukan label tersebut secara berbeda.

Bedrock

Konfigurasi embedding Bedrock

Bedrock menggunakan rantai kredensial bawaan AWS SDK serta token bearer yang diperiksa OpenClaw, sehingga tidak ada kunci API yang disimpan dalam konfigurasi. Jika OpenClaw berjalan di EC2 dengan peran instans yang mengaktifkan Bedrock, cukup atur penyedia dan model:

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

Kunci	Tipe	Bawaan	Deskripsi
`model`	`string`	`amazon.titan-embed-text-v2:0`	ID model embedding Bedrock apa pun
`outputDimensionality`	`number`	bawaan model	Untuk Titan V2: 256, 512, atau 1024

Model yang didukung (dengan deteksi keluarga dan dimensi bawaan):

ID Model	Penyedia	Dimensi Bawaan	Dimensi yang Dapat Dikonfigurasi
`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, 384, 512, 768, 1024, 1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

Varian dengan akhiran throughput (misalnya, amazon.titan-embed-text-v1:2:8k) dan ID profil inferensi dengan awalan wilayah (misalnya, us.amazon.titan-embed-text-v2:0) mewarisi konfigurasi model dasar.Wilayah: ditentukan dalam urutan berikut: penggantian memorySearch.remote.baseUrl, konfigurasi models.providers.amazon-bedrock.baseUrl, AWS_REGION, AWS_DEFAULT_REGION, lalu bawaan us-east-1.Autentikasi: OpenClaw terlebih dahulu memeriksa AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY atau AWS_BEARER_TOKEN_BEDROCK, lalu beralih ke rantai penyedia kredensial bawaan AWS SDK standar:

Variabel lingkungan (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY), kecuali AWS_PROFILE juga diatur
SSO (hanya jika bidang SSO dikonfigurasi)
Kredensial bersama dan berkas konfigurasi (fromIni, mencakup AWS_PROFILE)
Proses kredensial (credential_process dalam berkas konfigurasi AWS)
Kredensial token identitas web
Kredensial metadata instans ECS atau EC2

Izin IAM: peran atau pengguna IAM memerlukan:

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

Untuk hak akses paling minimum, batasi InvokeModel ke model tertentu:

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

Lokal (GGUF + llama.cpp)

Kunci	Tipe	Bawaan	Deskripsi
`local.modelPath`	`string`	diunduh otomatis	Jalur ke berkas model GGUF
`local.modelCacheDir`	`string`	bawaan node-llama-cpp	Direktori cache untuk model yang diunduh
`local.contextSize`	`number \| "auto"`	`4096`	Ukuran jendela konteks untuk konteks embedding. 4096 mencakup potongan umum (128-512 token) sekaligus membatasi VRAM non-bobot. Turunkan menjadi 1024-2048 pada host dengan sumber daya terbatas. `"auto"` menggunakan maksimum terlatih model — tidak disarankan untuk model 8B+ (Qwen3-Embedding-8B: hingga 40 960 token dapat mendorong penggunaan VRAM menjadi ~32 GB).

Instal penyedia resmi llama.cpp terlebih dahulu: openclaw plugins install @openclaw/llama-cpp-provider. Model bawaan: embeddinggemma-300m-qat-Q8_0.gguf (~0.6 GB, diunduh otomatis). Checkout sumber tetap memerlukan persetujuan build native: pnpm approve-builds lalu pnpm rebuild node-llama-cpp.Gunakan CLI mandiri untuk memverifikasi jalur penyedia yang sama dengan yang digunakan Gateway:

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

Nilai numerik local.contextSize juga menginformasikan penempatan lapisan GPU otomatis node-llama-cpp agar bobot model dan konteks embedding yang diminta dapat dimuat bersama. openclaw memory status --deep melaporkan backend llama.cpp terakhir yang diketahui, perangkat, offload, konteks yang diminta, dan fakta memori bertanda waktu setelah runtime dimuat; status pasif tidak memuat model.Atur provider: "local" secara eksplisit untuk embedding GGUF lokal. hf: dan referensi model HTTP(S) didukung untuk konfigurasi lokal eksplisit (melalui resolusi model node-llama-cpp), tetapi tidak mengubah penyedia bawaan.

Batas waktu embedding inline

number

Ganti batas waktu untuk batch embedding inline selama pengindeksan memori.Jika tidak diatur, batas waktu bawaan penyedia digunakan: 600 detik untuk penyedia lokal/yang dihosting sendiri seperti local, ollama, dan lmstudio, serta 120 detik untuk penyedia yang dihosting. Tingkatkan nilai ini jika batch embedding lokal yang dibatasi CPU berjalan normal tetapi lambat.

Perilaku pengindeksan

Semua berada di bawah memorySearch.sync kecuali dinyatakan lain:

Kunci	Tipe	Bawaan	Deskripsi
`onSessionStart`	`boolean`	`true`	Sinkronkan indeks memori saat sesi dimulai
`onSearch`	`boolean`	`true`	Sinkronkan secara tertunda saat pencarian setelah mendeteksi perubahan konten
`watch`	`boolean`	`true`	Pantau berkas memori (chokidar) dan jadwalkan pengindeksan ulang saat ada perubahan
`sessions.postCompactionForce`	`boolean`	`true`	Paksa pengindeksan ulang sesi setelah pembaruan transkrip yang dipicu Compaction

Konfigurasi pencarian hibrida

Semua berada di bawah memorySearch.query:

Kunci	Tipe	Bawaan	Deskripsi
`maxResults`	`number`	`6`	Jumlah maksimum hasil memori yang dikembalikan sebelum injeksi
`minScore`	`number`	`0.35`	Skor relevansi minimum untuk menyertakan hasil

Dan di bawah memorySearch.query.hybrid:

Kunci	Tipe	Bawaan	Deskripsi
`enabled`	`boolean`	`true`	Aktifkan pencarian hibrida BM25 + vektor

MMR (keragaman)
Peluruhan temporal (keterkinian)

Kunci	Tipe	Bawaan	Deskripsi
`mmr.enabled`	`boolean`	`false`	Aktifkan pemeringkatan ulang MMR

Kunci	Tipe	Bawaan	Deskripsi
`temporalDecay.enabled`	`boolean`	`false`	Aktifkan peningkatan keterkinian

Berkas evergreen (MEMORY.md, berkas tanpa tanggal di memory/) tidak pernah mengalami peluruhan.

Contoh lengkap

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          maxResults: 6,
          minScore: 0.35,
          hybrid: {
            mmr: { enabled: true },
            temporalDecay: { enabled: true },
          },
        },
      },
    },
  },
}

Jalur memori tambahan

Kunci	Tipe	Deskripsi
`extraPaths`	`string[]`	Direktori atau berkas tambahan untuk diindeks

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

Jalur dapat bersifat absolut atau relatif terhadap ruang kerja. Direktori dipindai secara rekursif untuk mencari berkas .md. Penanganan symlink bergantung pada backend yang aktif: mesin bawaan melewati symlink, sedangkan QMD mengikuti perilaku pemindai QMD yang mendasarinya. Untuk pencarian transkrip lintas agen dengan cakupan agen, gunakan agents.list[].memorySearch.qmd.extraCollections sebagai pengganti memory.qmd.paths. Koleksi tambahan tersebut mengikuti bentuk { path, name, pattern? } yang sama, tetapi digabungkan per agen dan dapat mempertahankan nama bersama yang eksplisit ketika jalurnya mengarah ke luar ruang kerja saat ini. Jika jalur terselesaikan yang sama muncul di memory.qmd.paths dan memorySearch.qmd.extraCollections, QMD mempertahankan entri pertama dan melewati duplikatnya.

Memori multimodal (Gemini)

Indeks gambar dan audio bersama Markdown menggunakan Gemini Embedding 2:

Kunci	Jenis	Bawaan	Deskripsi
`multimodal.enabled`	`boolean`	`false`	Aktifkan pengindeksan multimodal
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]`, atau `["all"]`
`multimodal.maxFileBytes`	`number`	`10485760`	Ukuran file maksimum untuk pengindeksan (10 MiB)

Hanya berlaku untuk file di extraPaths. Akar memori bawaan tetap hanya mendukung Markdown. Memerlukan gemini-embedding-2-preview. fallback harus berupa "none".

Format yang didukung: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (gambar); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

Cache embedding

Kunci	Jenis	Bawaan	Deskripsi
`cache.enabled`	`boolean`	`true`	Cache embedding potongan di SQLite

Mencegah pembuatan ulang embedding untuk teks yang tidak berubah selama pengindeksan ulang atau pembaruan transkrip.

Pengindeksan batch

Kunci	Jenis	Bawaan	Deskripsi
`remote.nonBatchConcurrency`	`number`	`4`	Embedding inline paralel
`remote.batch.enabled`	`boolean`	`false`	Aktifkan API embedding batch
`remote.batch.concurrency`	`number`	`2`	Pekerjaan batch paralel
`remote.batch.wait`	`boolean`	`true`	Tunggu penyelesaian batch
`remote.batch.pollIntervalMs`	`number`	`2000`	Interval polling
`remote.batch.timeoutMinutes`	`number`	`60`	Batas waktu batch

Tersedia untuk gemini, openai, dan voyage. Batch OpenAI biasanya paling cepat dan paling murah untuk pengisian ulang berskala besar. remote.nonBatchConcurrency mengontrol panggilan embedding inline yang digunakan oleh penyedia lokal/yang di-host sendiri dan penyedia yang di-host ketika API batch penyedia tidak aktif. Ollama secara bawaan menggunakan 1 untuk pengindeksan non-batch agar tidak membebani host lokal yang lebih kecil secara berlebihan; tetapkan nilai yang lebih tinggi pada mesin yang lebih besar. Ini terpisah dari sync.embeddingBatchTimeoutSeconds, yang mengontrol batas waktu untuk panggilan embedding inline.

Pencarian memori sesi (eksperimental)

Indeks transkrip sesi dan tampilkan melalui memory_search:

Kunci	Jenis	Bawaan	Deskripsi
`experimental.sessionMemory`	`boolean`	`false`	Aktifkan pengindeksan sesi
`sources`	`string[]`	`["memory"]`	Tambahkan `"sessions"` untuk menyertakan transkrip
`sync.sessions.deltaBytes`	`number`	`100000`	Ambang byte untuk pengindeksan ulang
`sync.sessions.deltaMessages`	`number`	`50`	Ambang pesan untuk pengindeksan ulang

Pengindeksan sesi bersifat opsional dan berjalan secara asinkron. Hasilnya dapat sedikit tertinggal. Log sesi berada di disk, jadi perlakukan akses sistem file sebagai batas kepercayaan.

Pencarian transkrip sesi biasa yang dipanggil model mematuhi tools.sessions.visibility. Visibilitas bawaan tree mengekspos sesi saat ini, sesi yang dibuat olehnya, dan sesi grup dengan agen yang sama yang dipantau melalui kesadaran grup ambien. Sesi lain yang tidak terkait memerlukan visibilitas agent (atau all hanya ketika pengingatan lintas agen juga diperlukan dan kebijakan agen-ke-agen mengizinkannya). rememberAcrossConversations tidak memperluas pengaturan tersebut. Pengaturan ini menyediakan otorisasi terpisah yang hanya berlaku saat runtime dan terbatas pada transkrip privat dengan agen yang sama selama proses Active Memory yang dibatasi. Contoh di bawah menempatkan pengaturan ini di bawah agents.defaults. Anda juga dapat menerapkan pengaturan memorySearch yang setara dalam penggantian per agen ketika hanya satu agen yang perlu mengindeks dan mencari transkrip sesi. Untuk pengingatan gateway-ke-DM dengan agen yang sama:

Backend bawaan
Backend QMD

{
  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" },
  },
}

Saat menggunakan QMD, agents.defaults.memorySearch.experimental.sessionMemory dan sources: ["sessions"] tidak mengekspor transkrip ke QMD dengan sendirinya. Tetapkan juga memory.qmd.sessions.enabled: true. Pengaturan tingkat lebih tinggi rememberAcrossConversations: true merupakan pengecualian: pengaturan ini menyiratkan ekspor sesi QMD yang diperlukan untuk agen tersebut. Ekspor tersirat tetap privat: ekspor tersebut selalu menggunakan lokasi ekspor internal bawaan (sessions.exportDir yang dikonfigurasi hanya berlaku untuk ekspor eksplisit), hanya dicari selama pengingatan lintas percakapan agen tersebut, dan memory_get biasa tidak dapat membacanya. memory.qmd.sessions.enabled: true yang eksplisit mempertahankan perilaku yang ada dan menjadikan transkrip yang diekspor bagian dari korpus memori biasa.

Akselerasi vektor SQLite (sqlite-vec)

Kunci	Jenis	Bawaan	Deskripsi
`store.vector.enabled`	`boolean`	`true`	Gunakan sqlite-vec untuk kueri vektor
`store.vector.extensionPath`	`string`	disertakan	Ganti jalur sqlite-vec

Ketika sqlite-vec tidak tersedia, OpenClaw secara otomatis beralih ke kemiripan kosinus dalam proses.

Penyimpanan indeks

Indeks memori bawaan berada dalam database SQLite OpenClaw milik setiap agen di agents/<agentId>/agent/openclaw-agent.sqlite.

Kunci	Jenis	Bawaan	Deskripsi
`store.fts.tokenizer`	`string`	`unicode61`	Tokenizer FTS5 (`unicode61` atau `trigram`)

Konfigurasi backend QMD

Tetapkan memory.backend = "qmd" untuk mengaktifkannya. Semua pengaturan QMD berada di bawah memory.qmd:

Kunci	Jenis	Bawaan	Deskripsi
`command`	`string`	`qmd`	Jalur executable QMD; tetapkan jalur absolut ketika `PATH` layanan berbeda dari shell Anda
`searchMode`	`string`	`search`	Perintah pencarian: `search`, `vsearch`, `query`
`rerank`	`boolean`	—	Tetapkan ke `false` bersama `searchMode: "query"` dan QMD 2.1+ untuk melewati pemeringkatan ulang QMD
`includeDefaultMemory`	`boolean`	`true`	Indeks otomatis `MEMORY.md` + `memory/*/.md`
`paths[]`	`array`	—	Jalur tambahan: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Ekspor transkrip sesi ke QMD
`sessions.retentionDays`	`number`	—	Retensi transkrip
`sessions.exportDir`	`string`	—	Direktori ekspor

searchMode: "search" hanya bersifat leksikal/BM25. OpenClaw tidak menjalankan pemeriksaan kesiapan vektor semantik atau pemeliharaan embedding QMD untuk mode tersebut, termasuk selama memory status --deep; vsearch dan query tetap memerlukan kesiapan vektor dan embedding QMD. rerank: false hanya mengubah mode query QMD dan memerlukan QMD 2.1 atau yang lebih baru. Dalam mode CLI langsung, OpenClaw meneruskan --no-rerank; dalam mode MCP yang didukung mcporter, OpenClaw meneruskan rerank: false ke alat kueri terpadu QMD. Biarkan tidak ditetapkan untuk menggunakan perilaku pemeringkatan ulang kueri bawaan QMD. OpenClaw mengutamakan bentuk koleksi dan kueri MCP QMD terkini, tetapi tetap mendukung rilis QMD lama dengan mencoba flag pola koleksi yang kompatibel dan nama alat MCP lama bila diperlukan. Ketika QMD menyatakan dukungan untuk beberapa filter koleksi, koleksi dengan sumber yang sama dicari menggunakan satu proses QMD; build QMD lama tetap menggunakan jalur kompatibilitas per koleksi. Sumber yang sama berarti koleksi memori persisten (file memori bawaan ditambah jalur khusus) dikelompokkan bersama, sementara koleksi transkrip sesi tetap menjadi grup terpisah agar diversifikasi sumber tetap memiliki kedua masukan.

Penggantian model QMD tetap berada di sisi QMD, bukan di konfigurasi OpenClaw. Jika perlu mengganti model QMD secara global, tetapkan variabel lingkungan seperti QMD_EMBED_MODEL, QMD_RERANK_MODEL, dan QMD_GENERATE_MODEL di lingkungan runtime gateway.

Integrasi mcporter

Semuanya berada di bawah memory.qmd.mcporter. Merutekan pencarian QMD melalui daemon MCP mcporter yang berumur panjang, alih-alih membuat qmd untuk setiap kueri, sehingga mengurangi overhead cold-start untuk model yang lebih besar.

Kunci	Jenis	Bawaan	Deskripsi
`enabled`	`boolean`	`false`	Rutekan panggilan QMD melalui mcporter alih-alih membuat `qmd` untuk setiap permintaan
`serverName`	`string`	`qmd`	Nama server mcporter yang menjalankan `qmd mcp` dengan `lifecycle: keep-alive`
`startDaemon`	`boolean`	`true`	Mulai daemon mcporter secara otomatis ketika `enabled` bernilai true

Memerlukan mcporter yang terpasang dan tersedia di PATH, serta server mcporter terkonfigurasi yang menjalankan qmd mcp. Biarkan dinonaktifkan untuk penyiapan lokal yang lebih sederhana ketika biaya pembuatan proses per kueri masih dapat diterima.

Jadwal pembaruan

Kunci	Tipe	Bawaan	Deskripsi
`update.interval`	`string`	`5m`	Interval penyegaran
`update.debounceMs`	`number`	`15000`	Debounce perubahan file
`update.onBoot`	`boolean`	`true`	Segarkan saat pengelola QMD berumur panjang dibuka; atur ke false untuk melewati pembaruan langsung saat boot
`update.startup`	`string`	`off`	Inisialisasi QMD opsional saat Gateway dimulai: `off`, `idle`, atau `immediate`
`update.startupDelayMs`	`number`	`120000`	Penundaan sebelum penyegaran `startup: "idle"` berjalan
`update.waitForBootSync`	`boolean`	`false`	Blokir pembukaan pengelola hingga penyegaran awalnya selesai
`update.embedInterval`	`string`	`60m`	Irama penyematan terpisah
`update.commandTimeoutMs`	`number`	`30000`	Batas waktu untuk perintah pemeliharaan QMD (daftar/tambah koleksi)
`update.updateTimeoutMs`	`number`	`120000`	Batas waktu untuk setiap siklus `qmd update`
`update.embedTimeoutMs`	`number`	`120000`	Batas waktu untuk setiap siklus `qmd embed`

Batas

Kunci	Tipe	Bawaan	Deskripsi
`limits.maxResults`	`number`	`4`	Jumlah maksimum hasil pencarian
`limits.maxSnippetChars`	`number`	`450`	Batasi panjang cuplikan
`limits.maxInjectedChars`	`number`	`2200`	Batasi total karakter yang disuntikkan
`limits.timeoutMs`	`number`	`4000`	Batas waktu perintah QMD selama pencarian berbasis QMD, termasuk `memory_search`; penyiapan, sinkronisasi, fallback bawaan, dan pekerjaan tambahan tetap menggunakan tenggat waktu alat bawaan

Cakupan

Mengontrol sesi mana yang dapat menerima hasil pencarian QMD. Skemanya sama dengan session.sendPolicy:

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

Bawaan yang disertakan hanya mengizinkan DM/langsung serta menolak grup dan jenis saluran lainnya. match.keyPrefix cocok dengan kunci sesi yang telah dinormalisasi; match.rawKeyPrefix cocok dengan kunci mentah termasuk agent:<id>:.

Kutipan

memory.citations berlaku untuk semua backend:

Nilai	Perilaku
`auto` (bawaan)	Sertakan footer `Source: <path#line>` dalam cuplikan
`on`	Selalu sertakan footer
`off`	Hilangkan footer (jalur tetap diteruskan secara internal kepada agen)

Saat inisialisasi QMD ketika Gateway dimulai diaktifkan, OpenClaw memulai QMD hanya untuk agen yang memenuhi syarat. Jika update.onBoot bernilai true dan tidak ada pemeliharaan interval/penyematan yang dikonfigurasi, proses awal menggunakan pengelola sekali jalan untuk penyegaran saat boot lalu menutupnya. Jika interval pembaruan atau penyematan dikonfigurasi, proses awal membuka pengelola QMD berumur panjang agar dapat mengelola pemantau dan pewaktu interval; update.onBoot: false hanya melewati penyegaran langsung saat boot.

Contoh QMD lengkap

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 4, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming dikonfigurasi di bawah plugins.entries.memory-core.config.dreaming, bukan di bawah agents.defaults.memorySearch. Dreaming berjalan sebagai satu penyapuan terjadwal dan menggunakan fase internal ringan/dalam/REM sebagai detail implementasi. Untuk perilaku konseptual dan perintah garis miring, lihat Dreaming.

Pengaturan pengguna

Kunci	Tipe	Bawaan	Deskripsi
`enabled`	`boolean`	`false`	Aktifkan atau nonaktifkan Dreaming sepenuhnya
`frequency`	`string`	`0 3 * * *`	Irama cron opsional untuk penyapuan Dreaming lengkap
`model`	`string`	model bawaan	Penggantian model subagen Dream Diary opsional
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	Perkiraan maksimum token yang dipertahankan dari setiap cuplikan ingatan jangka pendek yang dipromosikan ke `MEMORY.md`; metadata asal-usul tetap terlihat

Contoh

{
  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 menulis status mesin ke memory/.dreams/.
Dreaming menulis keluaran naratif yang dapat dibaca manusia ke DREAMS.md (atau dreams.md yang sudah ada).
dreaming.model menggunakan gerbang kepercayaan subagen Plugin yang ada; atur plugins.entries.memory-core.subagent.allowModelOverride: true sebelum mengaktifkannya.
Dream Diary mencoba ulang satu kali dengan model bawaan sesi saat model yang dikonfigurasi tidak tersedia. Kegagalan kepercayaan atau daftar izin dicatat dan tidak dicoba ulang secara diam-diam.
Kebijakan dan ambang batas fase ringan/dalam/REM merupakan perilaku internal, bukan konfigurasi yang ditampilkan kepada pengguna.

Gambaran umum memori

Mesin bawaan

Mesin QMD

Pencarian memori

Active Memory

​Mengingat lintas percakapan

​Pemilihan penyedia

​ID penyedia kustom

​Resolusi kunci API

​Konfigurasi endpoint jarak jauh

​Konfigurasi khusus penyedia

​Konfigurasi embedding Bedrock

​Batas waktu embedding inline

​Perilaku pengindeksan

​Konfigurasi pencarian hibrida

​Contoh lengkap

​Jalur memori tambahan

​Memori multimodal (Gemini)

​Cache embedding

​Pengindeksan batch

​Pencarian memori sesi (eksperimental)

​Akselerasi vektor SQLite (sqlite-vec)

​Penyimpanan indeks

​Konfigurasi backend QMD

​Integrasi mcporter

​Contoh QMD lengkap

​Dreaming

​Pengaturan pengguna

​Contoh

​Terkait

Mengingat lintas percakapan

Pemilihan penyedia

ID penyedia kustom

Resolusi kunci API

Konfigurasi endpoint jarak jauh

Konfigurasi khusus penyedia

Konfigurasi embedding Bedrock

Batas waktu embedding inline

Perilaku pengindeksan

Konfigurasi pencarian hibrida

Contoh lengkap

Jalur memori tambahan

Memori multimodal (Gemini)

Cache embedding

Pengindeksan batch

Pencarian memori sesi (eksperimental)

Akselerasi vektor SQLite (sqlite-vec)

Penyimpanan indeks

Konfigurasi backend QMD

Integrasi mcporter

Contoh QMD lengkap

Dreaming

Pengaturan pengguna

Contoh

Terkait