메모리 구성 참조 자료

이 페이지에는 OpenClaw 메모리 검색의 모든 구성 옵션이 나열되어 있습니다. 개념 개요는 다음을 참조하십시오.

메모리 개요

메모리 작동 방식입니다.

내장 엔진

기본 SQLite 백엔드입니다.

QMD 엔진

로컬 우선 사이드카입니다.

메모리 검색

검색 파이프라인 및 튜닝입니다.

Active Memory

대화형 세션용 메모리 하위 에이전트입니다.

별도로 명시하지 않는 한 모든 메모리 검색 설정은 openclaw.json의 agents.defaults.memorySearch(또는 에이전트별 agents.list[].memorySearch 재정의) 아래에 있습니다.

Active Memory 기능 토글과 하위 에이전트 구성을 찾는 경우, 해당 설정은 memorySearch가 아니라 plugins.entries.active-memory 아래에 있습니다.Active Memory는 두 가지 게이트 모델을 사용합니다.

Plugin이 활성화되어 있고 현재 에이전트 ID를 대상으로 해야 합니다.
요청이 적격한 대화형 영구 채팅 세션이어야 합니다.

활성화 모델, Plugin 소유 구성, 트랜스크립트 영속성 및 안전한 출시 패턴은 Active Memory를 참조하십시오.

제공자 선택

키	유형	기본값	설명
`enabled`	`boolean`	`true`	메모리 검색을 활성화하거나 비활성화합니다.
`provider`	`string`	`"openai"`	`bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible` 또는 `voyage` 같은 임베딩 어댑터 ID입니다. `api`가 메모리 임베딩 어댑터 또는 OpenAI 호환 모델 API를 가리키도록 구성된 `models.providers.<id>`일 수도 있습니다.
`model`	`string`	제공자 기본값	임베딩 모델 이름입니다.
`fallback`	`string`	`"none"`	기본 어댑터가 실패할 때 사용할 대체 어댑터 ID입니다.

provider이 설정되지 않은 경우 OpenClaw는 OpenAI 임베딩을 사용합니다. Bedrock, DeepInfra, Gemini, GitHub Copilot, Mistral, Ollama, Voyage, 로컬 GGUF 모델 또는 OpenAI 호환 /v1/embeddings 엔드포인트를 사용하려면 provider을 명시적으로 설정하십시오. 아직 provider: "auto"을 사용하는 레거시 구성은 openai로 해석됩니다.

임베딩 제공자, 모델, 제공자 설정, 소스, 범위, 청킹 또는 토크나이저를 변경하면 기존 SQLite 벡터 인덱스가 호환되지 않을 수 있습니다. OpenClaw는 모든 항목을 자동으로 다시 임베딩하는 대신 벡터 검색을 일시 중지하고 인덱스 ID 경고를 보고합니다. 준비되면 openclaw memory status --index --agent <id> 또는 openclaw memory index --force --agent <id>을 사용하여 다시 빌드하십시오.

provider이 설정되지 않았거나, 레거시 provider: "auto"이 있거나, provider: "none"이 의도적으로 FTS 전용 모드를 선택한 경우 임베딩을 사용할 수 없더라도 메모리 회상에서 어휘 기반 FTS 순위를 계속 사용할 수 있습니다. 명시적으로 지정된 비로컬 제공자는 실패 시 닫힌 상태로 처리됩니다. memorySearch.provider을 Bedrock, DeepInfra, Gemini, GitHub Copilot, LM Studio, Mistral, Ollama, OpenAI, Voyage 또는 OpenAI 호환 사용자 지정 제공자 같은 구체적인 원격 기반 제공자로 설정했는데 런타임에 해당 제공자를 사용할 수 없으면, memory_search은 FTS 전용 회상을 자동으로 사용하는 대신 사용할 수 없음 결과를 반환합니다. 제공자/인증 구성을 수정하거나, 연결 가능한 제공자로 전환하거나, 의도적으로 FTS 전용 회상을 사용하려면 provider: "none"을 설정하십시오.

사용자 지정 제공자 ID

memorySearch.provider은 ollama 같은 메모리 전용 제공자 어댑터 또는 openai-responses / openai-completions 같은 OpenAI 호환 모델 API를 위한 사용자 지정 models.providers.<id> 항목을 가리킬 수 있습니다. OpenClaw는 엔드포인트, 인증 및 모델 접두사 처리를 위해 사용자 지정 제공자 ID를 유지하면서 임베딩 어댑터에 대한 해당 제공자의 api 소유자를 확인합니다. 이를 통해 다중 GPU 또는 다중 호스트 설정에서 메모리 임베딩을 특정 로컬 엔드포인트 전용으로 지정할 수 있습니다.

{
  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",
      },
    },
  },
}

API 키 확인

원격 임베딩에는 API 키가 필요합니다. Bedrock은 대신 AWS SDK 기본 자격 증명 체인(인스턴스 역할, SSO, 액세스 키 또는 Bedrock API 키)을 사용합니다.

제공자	환경 변수	구성 키
Bedrock	AWS 자격 증명 체인 또는 `AWS_BEARER_TOKEN_BEDROCK`	API 키가 필요하지 않음
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`	기기 로그인을 통한 인증 프로필
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (자리표시자)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

Codex OAuth는 채팅/완성에만 적용되며 임베딩 요청을 충족하지 않습니다.

원격 엔드포인트 구성

전역 OpenAI 채팅 자격 증명을 상속하지 않아야 하는 일반 OpenAI 호환 /v1/embeddings 서버에는 provider: "openai-compatible"을 사용하십시오.

string

사용자 지정 API 기본 URL입니다.

string

API 키를 재정의합니다.

object

추가 HTTP 헤더입니다(제공자 기본값과 병합됨).

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

제공자별 구성

Gemini

키	유형	기본값	설명
`model`	`string`	`gemini-embedding-001`	`gemini-embedding-2-preview`도 지원합니다.
`outputDimensionality`	`number`	`3072`	Embedding 2의 경우: 768, 1536 또는 3072

모델 또는 outputDimensionality을 변경하면 인덱스 ID가 변경됩니다. OpenClaw는 메모리 인덱스를 명시적으로 다시 빌드할 때까지 벡터 검색을 일시 중지합니다.

OpenAI 호환 입력 유형

OpenAI 호환 임베딩 엔드포인트는 제공자별 input_type 요청 필드를 선택적으로 사용할 수 있습니다. 이는 쿼리 임베딩과 문서 임베딩에 서로 다른 레이블이 필요한 비대칭 임베딩 모델에 유용합니다.

키	유형	기본값	설명
`inputType`	`string`	설정되지 않음	쿼리 및 문서 임베딩에 공유되는 `input_type`
`queryInputType`	`string`	설정되지 않음	쿼리 시점 `input_type`. `inputType`을 재정의합니다.
`documentInputType`	`string`	설정되지 않음	인덱스/문서 `input_type`. `inputType`을 재정의합니다.

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

이러한 값을 변경하면 제공자 배치 인덱싱의 임베딩 캐시 ID에 영향을 주며, 업스트림 모델이 레이블을 다르게 처리하는 경우 메모리 재인덱싱을 수행해야 합니다.

Bedrock

Bedrock 임베딩 구성

Bedrock은 AWS SDK 기본 자격 증명 체인과 OpenClaw가 확인한 전달자 토큰을 함께 사용하므로 구성에 API 키가 저장되지 않습니다. OpenClaw가 Bedrock이 활성화된 인스턴스 역할을 사용하여 EC2에서 실행되는 경우 제공자와 모델만 설정하십시오.

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

키	유형	기본값	설명
`model`	`string`	`amazon.titan-embed-text-v2:0`	모든 Bedrock 임베딩 모델 ID
`outputDimensionality`	`number`	모델 기본값	Titan V2의 경우: 256, 512 또는 1024

지원되는 모델(제품군 감지 및 차원 기본값 포함):

모델 ID	제공업체	기본 차원	구성 가능한 차원
`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	—

처리량 접미사가 붙은 변형(예: amazon.titan-embed-text-v1:2:8k)과 리전 접두사가 붙은 추론 프로필 ID(예: us.amazon.titan-embed-text-v2:0)는 기본 모델의 구성을 상속합니다.리전: memorySearch.remote.baseUrl 재정의, models.providers.amazon-bedrock.baseUrl 구성, AWS_REGION, AWS_DEFAULT_REGION, 기본값 us-east-1 순서로 결정됩니다.인증: OpenClaw는 먼저 AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY 또는 AWS_BEARER_TOKEN_BEDROCK을 확인한 후, 표준 AWS SDK 기본 자격 증명 제공자 체인으로 넘어갑니다.

환경 변수(AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY). 단, AWS_PROFILE도 설정된 경우는 제외합니다.
SSO(SSO 필드가 구성된 경우에만)
공유 자격 증명 및 구성 파일(fromIni, AWS_PROFILE 포함)
자격 증명 프로세스(AWS 구성 파일의 credential_process)
웹 ID 토큰 자격 증명
ECS 또는 EC2 인스턴스 메타데이터 자격 증명

IAM 권한: IAM 역할 또는 사용자에게 다음 권한이 필요합니다.

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

최소 권한을 적용하려면 InvokeModel의 범위를 특정 모델로 제한하십시오.

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

로컬(GGUF + llama.cpp)

키	유형	기본값	설명
`local.modelPath`	`string`	자동 다운로드	GGUF 모델 파일 경로
`local.modelCacheDir`	`string`	node-llama-cpp 기본값	다운로드된 모델의 캐시 디렉터리
`local.contextSize`	`number \| "auto"`	`4096`	임베딩 컨텍스트의 컨텍스트 창 크기입니다. 4096은 일반적인 청크(128-512개 토큰)를 처리하면서 가중치 외 VRAM 사용량을 제한합니다. 리소스가 제한된 호스트에서는 1024-2048로 낮추십시오. `"auto"`은 모델이 학습된 최대값을 사용하므로 8B 이상 모델에는 권장하지 않습니다(Qwen3-Embedding-8B: 최대 40 960개 토큰에서 VRAM 사용량이 약 32 GB까지 증가할 수 있습니다).

먼저 공식 llama.cpp 제공업체를 설치하십시오: openclaw plugins install @openclaw/llama-cpp-provider. 기본 모델: embeddinggemma-300m-qat-Q8_0.gguf(약 0.6 GB, 자동 다운로드). 소스 체크아웃에서는 여전히 네이티브 빌드 승인이 필요합니다: pnpm approve-builds 후 pnpm rebuild node-llama-cpp.독립 실행형 CLI를 사용하여 Gateway가 사용하는 것과 동일한 제공업체 경로를 확인하십시오.

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

숫자 local.contextSize 값은 node-llama-cpp의 자동 GPU 레이어 배치에도 사용되어 모델 가중치와 요청된 임베딩 컨텍스트가 함께 들어가도록 합니다. openclaw memory status --deep은 런타임이 로드된 후 마지막으로 확인된 llama.cpp 백엔드, 장치, 오프로딩, 요청된 컨텍스트 및 타임스탬프가 포함된 메모리 정보를 보고합니다. 수동 상태 확인은 모델을 로드하지 않습니다.로컬 GGUF 임베딩에는 provider: "local"을 명시적으로 설정하십시오. 명시적인 로컬 구성에서는 hf: 및 HTTP(S) 모델 참조가 지원되지만(node-llama-cpp의 모델 확인 기능을 통해), 기본 제공업체는 변경되지 않습니다.

인라인 임베딩 시간 제한

number

메모리 인덱싱 중 인라인 임베딩 배치의 시간 제한을 재정의합니다.설정하지 않으면 제공업체 기본값을 사용합니다. local, ollama, lmstudio과 같은 로컬/자체 호스팅 제공업체는 600초, 호스팅 제공업체는 120초입니다. 로컬 CPU 기반 임베딩 배치가 정상적으로 작동하지만 느린 경우 이 값을 늘리십시오.

인덱싱 동작

별도로 명시하지 않는 한 모두 memorySearch.sync 아래에 있습니다.

키	유형	기본값	설명
`onSessionStart`	`boolean`	`true`	세션이 시작될 때 메모리 인덱스를 동기화합니다
`onSearch`	`boolean`	`true`	콘텐츠 변경을 감지한 후 검색 시 지연 동기화합니다
`watch`	`boolean`	`true`	메모리 파일을 감시하고(chokidar) 변경 시 재인덱싱을 예약합니다
`watchDebounceMs`	`number`	`1500`	빠르게 연속 발생하는 파일 감시 이벤트를 병합하기 위한 디바운스 기간
`intervalMinutes`	`number`	`0`	분 단위의 주기적 재인덱싱 간격(`0`은 비활성화)
`sessions.postCompactionForce`	`boolean`	`true`	Compaction으로 인해 트랜스크립트가 업데이트된 후 세션 재인덱싱을 강제합니다

number

임베딩 전에 메모리 소스를 분할할 때 사용하는 토큰 단위의 청크 크기입니다(기본값: 400).

number

분할 경계 주변의 컨텍스트를 보존하기 위한 인접 청크 간 토큰 중첩입니다(기본값: 80).

chunking.tokens 또는 chunking.overlap을 변경하면 청크 경계가 변경되고 기존 인덱스 ID가 무효화됩니다(제공업체 선택 아래의 경고 참조).

하이브리드 검색 구성

모두 memorySearch.query 아래에 있습니다.

키	유형	기본값	설명
`maxResults`	`number`	`6`	주입 전에 반환되는 최대 메모리 검색 결과 수
`minScore`	`number`	`0.35`	검색 결과를 포함하기 위한 최소 관련성 점수

또한 memorySearch.query.hybrid 아래에는 다음이 있습니다.

키	유형	기본값	설명
`enabled`	`boolean`	`true`	하이브리드 BM25 + 벡터 검색을 활성화합니다
`vectorWeight`	`number`	`0.7`	벡터 점수 가중치(0-1)
`textWeight`	`number`	`0.3`	BM25 점수 가중치(0-1)
`candidateMultiplier`	`number`	`4`	후보 풀 크기 배수

MMR(다양성)
시간적 감쇠(최신성)

키	유형	기본값	설명
`mmr.enabled`	`boolean`	`false`	MMR 재순위 지정을 활성화합니다
`mmr.lambda`	`number`	`0.7`	0 = 최대 다양성, 1 = 최대 관련성

키	유형	기본값	설명
`temporalDecay.enabled`	`boolean`	`false`	최신성 가중을 활성화합니다
`temporalDecay.halfLifeDays`	`number`	`30`	N일마다 점수가 절반으로 감소합니다

상시 유지 파일(MEMORY.md, memory/의 날짜가 없는 파일)은 감쇠되지 않습니다.

전체 예시

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          maxResults: 6,
          minScore: 0.35,
          hybrid: {
            vectorWeight: 0.7,
            textWeight: 0.3,
            mmr: { enabled: true, lambda: 0.7 },
            temporalDecay: { enabled: true, halfLifeDays: 30 },
          },
        },
      },
    },
  },
}

추가 메모리 경로

키	유형	설명
`extraPaths`	`string[]`	인덱싱할 추가 디렉터리 또는 파일

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

경로는 절대 경로 또는 워크스페이스 기준 상대 경로일 수 있습니다. 디렉터리에서 .md 파일을 재귀적으로 검색합니다. 심볼릭 링크 처리는 활성 백엔드에 따라 달라집니다. 기본 제공 엔진은 심볼릭 링크를 건너뛰지만 QMD는 내부 QMD 스캐너의 동작을 따릅니다. 에이전트 범위의 교차 에이전트 트랜스크립트 검색에는 memory.qmd.paths 대신 agents.list[].memorySearch.qmd.extraCollections을 사용하십시오. 이러한 추가 컬렉션은 동일한 { path, name, pattern? } 형식을 따르지만 에이전트별로 병합되며, 경로가 현재 워크스페이스 외부를 가리킬 때 명시적인 공유 이름을 유지할 수 있습니다. 확인된 동일 경로가 memory.qmd.paths과 memorySearch.qmd.extraCollections 모두에 나타나면 QMD는 첫 번째 항목을 유지하고 중복 항목을 건너뜁니다.

멀티모달 메모리(Gemini)

Gemini Embedding 2를 사용하여 Markdown과 함께 이미지 및 오디오를 인덱싱합니다.

키	유형	기본값	설명
`multimodal.enabled`	`boolean`	`false`	멀티모달 인덱싱 활성화
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]` 또는 `["all"]`
`multimodal.maxFileBytes`	`number`	`10485760`	인덱싱할 최대 파일 크기(10 MiB)

extraPaths의 파일에만 적용됩니다. 기본 메모리 루트는 Markdown 전용으로 유지됩니다. gemini-embedding-2-preview이 필요합니다. fallback은(는) "none"이어야 합니다.

지원 형식: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif(이미지); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac(오디오).

임베딩 캐시

키	유형	기본값	설명
`cache.enabled`	`boolean`	`true`	청크 임베딩을 SQLite에 캐시
`cache.maxEntries`	`number`	설정되지 않음	캐시된 임베딩 수의 최선형 상한

재인덱싱이나 트랜스크립트 업데이트 중 변경되지 않은 텍스트를 다시 임베딩하지 않도록 합니다. 무제한 캐시를 사용하려면 maxEntries을(를) 설정하지 않은 상태로 두십시오. 최대 재인덱싱 속도보다 디스크 사용량 증가가 더 중요한 경우에는 설정하십시오. 설정된 경우 캐시가 제한을 초과하면 마지막 업데이트 시간을 기준으로 가장 오래된 항목부터 제거됩니다.

일괄 인덱싱

키	유형	기본값	설명
`remote.nonBatchConcurrency`	`number`	`4`	병렬 인라인 임베딩
`remote.batch.enabled`	`boolean`	`false`	일괄 임베딩 API 활성화
`remote.batch.concurrency`	`number`	`2`	병렬 일괄 작업
`remote.batch.wait`	`boolean`	`true`	일괄 처리 완료 대기
`remote.batch.pollIntervalMs`	`number`	`2000`	폴링 간격
`remote.batch.timeoutMinutes`	`number`	`60`	일괄 처리 제한 시간

gemini, openai, voyage에서 사용할 수 있습니다. 대규모 백필에는 일반적으로 OpenAI 일괄 처리가 가장 빠르고 저렴합니다. remote.nonBatchConcurrency은(는) 로컬/자체 호스팅 제공자와 제공자 일괄 API가 활성화되지 않은 호스팅 제공자가 사용하는 인라인 임베딩 호출을 제어합니다. Ollama는 소규모 로컬 호스트의 과부하를 방지하기 위해 비일괄 인덱싱에서 기본적으로 1을(를) 사용합니다. 더 큰 머신에서는 더 높은 값을 설정하십시오. 이는 인라인 임베딩 호출의 제한 시간을 제어하는 sync.embeddingBatchTimeoutSeconds과(와) 별개입니다.

세션 메모리 검색(실험적)

세션 트랜스크립트를 인덱싱하고 memory_search을(를) 통해 표시합니다.

키	유형	기본값	설명
`experimental.sessionMemory`	`boolean`	`false`	세션 인덱싱 활성화
`sources`	`string[]`	`["memory"]`	트랜스크립트를 포함하도록 `"sessions"` 추가
`sync.sessions.deltaBytes`	`number`	`100000`	재인덱싱의 바이트 임계값
`sync.sessions.deltaMessages`	`number`	`50`	재인덱싱의 메시지 임계값

세션 인덱싱은 명시적으로 활성화해야 하며 비동기적으로 실행됩니다. 결과가 약간 오래된 상태일 수 있습니다. 세션 로그는 디스크에 저장되므로 파일 시스템 접근을 신뢰 경계로 취급하십시오.

세션 트랜스크립트 검색 결과에도 tools.sessions.visibility이 적용됩니다. 기본 tree 가시성은 현재 세션과 현재 세션에서 생성한 세션만 노출합니다. DM과 같이 다른 세션에서 관련 없는 동일 에이전트의 Gateway 디스패치 세션을 회상하려면 가시성을 의도적으로 agent까지 확장하십시오(에이전트 간 회상도 필요하고 에이전트 간 정책에서 허용하는 경우에만 all 사용). 아래 예에서는 이러한 설정을 agents.defaults 아래에 배치합니다. 하나의 에이전트만 세션 트랜스크립트를 인덱싱하고 검색해야 하는 경우 에이전트별 재정의에 동일한 memorySearch 설정을 적용할 수도 있습니다. 동일 에이전트의 Gateway-대-DM 회상:

내장 백엔드
QMD 백엔드

{
  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" },
  },
}

QMD를 사용할 때 agents.defaults.memorySearch.experimental.sessionMemory 및 sources: ["sessions"]만으로는 트랜스크립트가 QMD로 내보내지지 않습니다. memory.qmd.sessions.enabled: true도 설정하십시오.

SQLite 벡터 가속(sqlite-vec)

키	유형	기본값	설명
`store.vector.enabled`	`boolean`	`true`	벡터 쿼리에 sqlite-vec 사용
`store.vector.extensionPath`	`string`	번들 제공	sqlite-vec 경로 재정의

sqlite-vec를 사용할 수 없으면 OpenClaw는 자동으로 프로세스 내 코사인 유사도로 대체합니다.

인덱스 저장소

내장 메모리 인덱스는 각 에이전트의 OpenClaw SQLite 데이터베이스에서 agents/<agentId>/agent/openclaw-agent.sqlite에 저장됩니다.

키	유형	기본값	설명
`store.fts.tokenizer`	`string`	`unicode61`	FTS5 토크나이저(`unicode61` 또는 `trigram`)

QMD 백엔드 구성

활성화하려면 memory.backend = "qmd"을(를) 설정하십시오. 모든 QMD 설정은 memory.qmd 아래에 있습니다.

키	유형	기본값	설명
`command`	`string`	`qmd`	QMD 실행 파일 경로. 서비스 `PATH`이(가) 셸과 다른 경우 절대 경로 설정
`searchMode`	`string`	`search`	검색 명령: `search`, `vsearch`, `query`
`rerank`	`boolean`	—	QMD 재랭킹을 건너뛰려면 `searchMode: "query"` 및 QMD 2.1+와 함께 `false`(으)로 설정
`includeDefaultMemory`	`boolean`	`true`	`MEMORY.md` + `memory/*/.md` 자동 인덱싱
`paths[]`	`array`	—	추가 경로: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	세션 트랜스크립트를 QMD로 내보내기
`sessions.retentionDays`	`number`	—	트랜스크립트 보존 기간
`sessions.exportDir`	`string`	—	내보내기 디렉터리

searchMode: "search"은(는) 어휘/BM25 전용입니다. OpenClaw는 해당 모드에서 memory status --deep 중을 포함하여 의미론적 벡터 준비 상태 검사나 QMD 임베딩 유지 관리를 실행하지 않습니다. vsearch 및 query에는 계속 QMD 벡터 준비 상태와 임베딩이 필요합니다. rerank: false은(는) QMD query 모드만 변경하며 QMD 2.1 이상이 필요합니다. 직접 CLI 모드에서 OpenClaw는 --no-rerank을(를) 전달하고, mcporter 기반 MCP 모드에서는 QMD의 통합 쿼리 도구에 rerank: false을(를) 전달합니다. QMD의 기본 쿼리 재랭킹 동작을 사용하려면 설정하지 않은 상태로 두십시오. OpenClaw는 최신 QMD 컬렉션 및 MCP 쿼리 형식을 우선하지만, 필요할 때 호환되는 컬렉션 패턴 플래그와 이전 MCP 도구 이름을 시도하여 구형 QMD 릴리스도 계속 작동하도록 합니다. QMD가 여러 컬렉션 필터 지원을 알리면 동일 소스 컬렉션을 하나의 QMD 프로세스로 검색합니다. 구형 QMD 빌드는 컬렉션별 호환 경로를 유지합니다. 동일 소스란 영구 메모리 컬렉션(기본 메모리 파일과 사용자 지정 경로)을 함께 그룹화한다는 의미이며, 세션 트랜스크립트 컬렉션은 소스 다각화에서 두 입력을 모두 유지할 수 있도록 별도 그룹으로 남습니다.

QMD 모델 재정의는 OpenClaw 구성이 아니라 QMD 측에서 유지됩니다. QMD 모델을 전역적으로 재정의해야 하는 경우 Gateway 런타임 환경에서 QMD_EMBED_MODEL, QMD_RERANK_MODEL, QMD_GENERATE_MODEL 같은 환경 변수를 설정하십시오.

mcporter 통합

모든 설정은 memory.qmd.mcporter 아래에 있습니다. 쿼리마다 qmd을(를) 생성하는 대신 장시간 실행되는 mcporter MCP 데몬을 통해 QMD 검색을 라우팅하여 대형 모델의 콜드 스타트 오버헤드를 줄입니다.

키	유형	기본값	설명
`enabled`	`boolean`	`false`	요청마다 `qmd`을(를) 생성하는 대신 mcporter를 통해 QMD 호출 라우팅
`serverName`	`string`	`qmd`	`lifecycle: keep-alive`을(를) 사용하여 `qmd mcp`을(를) 실행하는 mcporter 서버 이름
`startDaemon`	`boolean`	`true`	`enabled`이(가) 참이면 mcporter 데몬을 자동으로 시작

mcporter이(가) 설치되어 PATH에 있어야 하며, qmd mcp을(를) 실행하도록 구성된 mcporter 서버가 필요합니다. 쿼리별 프로세스 생성 비용을 감수할 수 있는 단순한 로컬 설정에서는 비활성화 상태로 유지하십시오.

업데이트 일정

키	유형	기본값	설명
`update.interval`	`string`	`5m`	새로 고침 간격
`update.debounceMs`	`number`	`15000`	파일 변경 디바운스
`update.onBoot`	`boolean`	`true`	장기 실행 QMD 관리자가 열릴 때 새로 고칩니다. 즉시 부팅 업데이트를 건너뛰려면 false로 설정하십시오.
`update.startup`	`string`	`off`	선택적 Gateway 시작 시 QMD 초기화: `off`, `idle` 또는 `immediate`
`update.startupDelayMs`	`number`	`120000`	`startup: "idle"` 새로 고침 실행 전 지연 시간
`update.waitForBootSync`	`boolean`	`false`	초기 새로 고침이 완료될 때까지 관리자 열기를 차단합니다.
`update.embedInterval`	`string`	`60m`	별도의 임베딩 주기
`update.commandTimeoutMs`	`number`	`30000`	QMD 유지 관리 명령(컬렉션 목록/추가)의 시간 제한
`update.updateTimeoutMs`	`number`	`120000`	각 `qmd update` 주기의 시간 제한
`update.embedTimeoutMs`	`number`	`120000`	각 `qmd embed` 주기의 시간 제한

제한

키	유형	기본값	설명
`limits.maxResults`	`number`	`4`	최대 검색 결과 수
`limits.maxSnippetChars`	`number`	`450`	스니펫 길이 제한
`limits.maxInjectedChars`	`number`	`2200`	삽입되는 전체 문자 수 제한
`limits.timeoutMs`	`number`	`4000`	`memory_search`을 포함한 QMD 기반 검색 중 QMD 명령 시간 제한입니다. 설정, 동기화, 기본 제공 폴백 및 보충 작업에는 기본 도구 기한이 유지됩니다.

범위

QMD 검색 결과를 받을 수 있는 세션을 제어합니다. session.sendPolicy과 동일한 스키마입니다.

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

제공되는 기본값은 DM/직접 메시지 전용이며 그룹 및 기타 채널 유형을 거부합니다. match.keyPrefix은 정규화된 세션 키와 일치하며, match.rawKeyPrefix은 agent:<id>:을 포함한 원시 키와 일치합니다.

인용

memory.citations은 모든 백엔드에 적용됩니다.

값	동작
`auto` (기본값)	스니펫에 `Source: <path#line>` 바닥글을 포함합니다.
`on`	항상 바닥글을 포함합니다.
`off`	바닥글을 생략합니다(경로는 내부적으로 계속 에이전트에 전달됩니다).

Gateway 시작 시 QMD 초기화가 활성화되면 OpenClaw는 적격 에이전트에 대해서만 QMD를 시작합니다. update.onBoot이 true이고 간격/임베딩 유지 관리가 구성되지 않은 경우, 시작 시 부팅 새로 고침을 위해 일회성 관리자를 사용한 후 닫습니다. 업데이트 또는 임베딩 간격이 구성된 경우, 시작 시 감시자와 간격 타이머를 관리할 수 있도록 장기 실행 QMD 관리자를 엽니다. update.onBoot: false은 즉시 부팅 새로 고침만 건너뜁니다.

전체 QMD 예제

{
  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

Dreaming은 agents.defaults.memorySearch이 아니라 plugins.entries.memory-core.config.dreaming 아래에서 구성합니다. Dreaming은 하나의 예약된 스윕으로 실행되며 내부의 얕은/깊은/REM 단계를 구현 세부 사항으로 사용합니다. 개념적 동작 및 슬래시 명령은 Dreaming을 참조하십시오.

사용자 설정

키	유형	기본값	설명
`enabled`	`boolean`	`false`	Dreaming을 완전히 활성화하거나 비활성화합니다.
`frequency`	`string`	`0 3 * * *`	전체 Dreaming 스윕의 선택적 Cron 주기
`model`	`string`	기본 모델	선택적 Dream Diary 하위 에이전트 모델 재정의
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	`MEMORY.md`로 승격되는 각 단기 회상 스니펫에서 유지할 최대 예상 토큰 수입니다. 출처 메타데이터는 계속 표시됩니다.

예제

{
  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",
          },
        },
      },
    },
  },
}

Dreaming은 머신 상태를 memory/.dreams/에 기록합니다.
Dreaming은 사람이 읽을 수 있는 서술형 출력을 DREAMS.md(또는 기존 dreams.md)에 기록합니다.
dreaming.model은 기존 Plugin 하위 에이전트 신뢰 게이트를 사용합니다. 활성화하기 전에 plugins.entries.memory-core.subagent.allowModelOverride: true을 설정하십시오.
구성된 모델을 사용할 수 없는 경우 Dream Diary는 세션 기본 모델로 한 번 재시도합니다. 신뢰 또는 허용 목록 실패는 로그에 기록되며 자동으로 재시도되지 않습니다.
얕은/깊은/REM 단계 정책과 임계값은 내부 동작이며 사용자 대상 구성이 아닙니다.

메모리 개요

내장 엔진

QMD 엔진

메모리 검색

Active Memory

​제공자 선택

​사용자 지정 제공자 ID

​API 키 확인

​원격 엔드포인트 구성

​제공자별 구성

​Bedrock 임베딩 구성

​인라인 임베딩 시간 제한

​인덱싱 동작

​하이브리드 검색 구성

​전체 예시

​추가 메모리 경로

​멀티모달 메모리(Gemini)

​임베딩 캐시

​일괄 인덱싱

​세션 메모리 검색(실험적)

​SQLite 벡터 가속(sqlite-vec)

​인덱스 저장소

​QMD 백엔드 구성

​mcporter 통합

​전체 QMD 예제

​Dreaming

​사용자 설정

​예제

​관련 문서

제공자 선택

사용자 지정 제공자 ID

API 키 확인

원격 엔드포인트 구성

제공자별 구성

Bedrock 임베딩 구성

인라인 임베딩 시간 제한

인덱싱 동작

하이브리드 검색 구성

전체 예시

추가 메모리 경로

멀티모달 메모리(Gemini)

임베딩 캐시

일괄 인덱싱

세션 메모리 검색(실험적)

SQLite 벡터 가속(sqlite-vec)

인덱스 저장소

QMD 백엔드 구성

mcporter 통합

전체 QMD 예제

Dreaming

사용자 설정

예제

관련 문서