Vai al contenuto principale
Il motore integrato è il backend di memoria predefinito. Archivia l’indice della memoria in un database SQLite per agente e non richiede dipendenze aggiuntive per iniziare.

​
Cosa offre

  • Ricerca per parola chiave tramite indicizzazione full-text FTS5 (punteggio BM25).
  • Ricerca vettoriale tramite embeddings da qualsiasi provider supportato.
  • Ricerca ibrida che combina entrambe per risultati migliori.
  • Supporto CJK tramite tokenizzazione trigram per cinese, giapponese e coreano.
  • Accelerazione sqlite-vec per query vettoriali nel database (opzionale).

​
Per iniziare

Per impostazione predefinita, il motore integrato usa gli embeddings OpenAI. Se hai già OPENAI_API_KEY o models.providers.openai.apiKey configurati, la ricerca vettoriale funziona senza configurazione di memoria aggiuntiva. Per impostare esplicitamente un provider: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
Senza un provider di embedding, è disponibile solo la ricerca per parola chiave. Per forzare embeddings GGUF locali, installa il plugin provider ufficiale llama.cpp, poi fai puntare local.modelPath a un file GGUF: 
openclaw plugins install @openclaw/llama-cpp-provider

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}

​
Provider di embedding supportati

ProviderIDNote
BedrockbedrockUsa la catena di credenziali AWS
DeepInfradeepinfraPredefinito: BAAI/bge-m3
GeminigeminiSupporta multimodale (immagine + audio)
GitHub Copilotgithub-copilotUsa l’abbonamento Copilot
Locallocal@openclaw/llama-cpp-provider
Mistralmistral
OllamaollamaLocale/self-hosted
OpenAIopenaiPredefinito: text-embedding-3-small
OpenAI-compatibleopenai-compatibleEndpoint generico /v1/embeddings
Voyagevoyage
Imposta memorySearch.provider per passare da OpenAI a un altro provider.

​
Come funziona l’indicizzazione

OpenClaw indicizza MEMORY.md e memory/*.md in chunk (~400 token con sovrapposizione di 80 token) e li archivia in un database SQLite per agente.
  • Posizione dell’indice: il database dell’agente proprietario in ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
  • Manutenzione dell’archiviazione: i sidecar WAL SQLite sono limitati con checkpoint periodici e all’arresto.
  • Monitoraggio dei file: le modifiche ai file di memoria attivano una reindicizzazione con debounce (1,5 s).
  • Reindicizzazione automatica: quando cambiano il provider di embedding, il modello o la configurazione di chunking, l’intero indice viene ricostruito automaticamente.
  • Reindicizzazione su richiesta: openclaw memory index --force
Puoi anche indicizzare file Markdown fuori dallo spazio di lavoro con memorySearch.extraPaths. Consulta il riferimento di configurazione.

​
Quando usarlo

Il motore integrato è la scelta giusta per la maggior parte degli utenti:
  • Funziona subito senza dipendenze aggiuntive.
  • Gestisce bene la ricerca per parola chiave e vettoriale.
  • Supporta tutti i provider di embedding.
  • La ricerca ibrida combina il meglio di entrambi gli approcci di recupero.
Valuta il passaggio a QMD se ti servono reranking, espansione delle query o vuoi indicizzare directory fuori dallo spazio di lavoro. Valuta Honcho se vuoi memoria tra sessioni con modellazione automatica dell’utente.

​
Risoluzione dei problemi

Ricerca in memoria disabilitata? Controlla openclaw memory status. Se non viene rilevato alcun provider, impostane uno esplicitamente o aggiungi una chiave API. Provider locale non rilevato? Verifica che il percorso locale esista ed esegui: 
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
Sia i comandi CLI autonomi sia il Gateway usano lo stesso id provider local. Imposta memorySearch.provider: "local" quando vuoi embeddings locali. Risultati obsoleti? Esegui openclaw memory index --force per ricostruire. Il watcher può non rilevare modifiche in rari casi limite. sqlite-vec non viene caricato? OpenClaw ripiega automaticamente sulla similarità coseno in-process. openclaw memory status --deep segnala l’archivio vettoriale locale separatamente dal provider di embedding, quindi Vector store: unavailable indica il caricamento di sqlite-vec mentre Embeddings: unavailable indica provider/autenticazione o prontezza del modello. Controlla i log per l’errore di caricamento specifico.

​
Configurazione

Per la configurazione del provider di embedding, l’ottimizzazione della ricerca ibrida (pesi, MMR, decadimento temporale), l’indicizzazione batch, la memoria multimodale, sqlite-vec, percorsi aggiuntivi e tutte le altre opzioni di configurazione, consulta il riferimento di configurazione della memoria.

​
Correlati