Naar hoofdinhoud gaan
memory-lancedb is een officiële externe geheugenplugin die langetermijngeheugen opslaat in LanceDB en embeddings gebruikt voor terughalen. Het kan automatisch relevante herinneringen terughalen vóór een modelbeurt en belangrijke feiten vastleggen na een antwoord. Gebruik het wanneer je een lokale vectordatabase voor geheugen wilt, een OpenAI-compatibel embedding-eindpunt nodig hebt, of een geheugendatabase buiten de standaard ingebouwde geheugenopslag wilt bewaren.

​
Installatie

Installeer memory-lancedb voordat je plugins.slots.memory = "memory-lancedb" instelt: 
openclaw plugins install @openclaw/memory-lancedb
De plugin wordt gepubliceerd naar npm en is niet gebundeld in de OpenClaw-runtime-image. Het installatieprogramma schrijft de pluginvermelding en schakelt het geheugenslot om wanneer geen andere plugin eigenaar ervan is.
memory-lancedb is een actieve geheugenplugin. Schakel deze in door het geheugenslot te selecteren met plugins.slots.memory = "memory-lancedb". Companion-plugins zoals memory-wiki kunnen ernaast draaien, maar slechts één plugin is eigenaar van het actieve geheugenslot.

​
Snel starten

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Start de Gateway opnieuw na het wijzigen van de pluginconfiguratie: 
openclaw gateway restart
Controleer daarna of de plugin is geladen: 
openclaw plugins list

​
Provider-ondersteunde embeddings

memory-lancedb kan dezelfde adapterproviders voor geheugen-embeddings gebruiken als memory-core. Stel embedding.provider in en laat embedding.apiKey weg om het geconfigureerde auth-profiel, de omgevingsvariabele of models.providers.<provider>.apiKey van de provider te gebruiken. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Dit pad werkt met provider-auth-profielen die embedding-referenties beschikbaar maken. GitHub Copilot kan bijvoorbeeld worden gebruikt wanneer het Copilot-profiel/-abonnement embeddings ondersteunt: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth is geen OpenAI Platform-embeddingreferentie. Gebruik voor OpenAI-embeddings een OpenAI API-sleutel-auth-profiel, OPENAI_API_KEY, of models.providers.openai.apiKey. Gebruikers met alleen OAuth kunnen een andere embedding-geschikte provider gebruiken, zoals GitHub Copilot of Ollama.

​
Ollama-embeddings

Voor Ollama-embeddings heeft de gebundelde Ollama-embeddingprovider de voorkeur. Deze gebruikt het native Ollama-eindpunt /api/embed en volgt dezelfde regels voor auth/basis-URL als de Ollama-provider die is gedocumenteerd in 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,
        },
      },
    },
  },
}
Stel dimensions in voor niet-standaard embeddingmodellen. OpenClaw kent de dimensies voor text-embedding-3-small en text-embedding-3-large; aangepaste modellen hebben de waarde in de configuratie nodig zodat LanceDB de vectorkolom kan maken. Voor kleine lokale embeddingmodellen verlaag je recallMaxChars als je contextlengtefouten ziet van de lokale server.

​
OpenAI-compatibele providers

Sommige OpenAI-compatibele embeddingproviders weigeren de parameter encoding_format, terwijl andere deze negeren en altijd number[]-vectoren retourneren. memory-lancedb laat daarom encoding_format weg bij embeddingverzoeken en accepteert zowel float-array-antwoorden als base64-gecodeerde float32-antwoorden. Als je een onbewerkt OpenAI-compatibel embeddingseindpunt hebt waarvoor geen gebundelde provideradapter bestaat, laat dan embedding.provider weg (of laat deze op openai) en stel embedding.apiKey plus embedding.baseUrl in. Dit behoudt het directe OpenAI-compatibele clientpad. Stel embedding.dimensions in voor providers waarvan de modeldimensies niet ingebouwd zijn. ZhiPu embedding-3 gebruikt bijvoorbeeld 2048 dimensies: 
{
  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,
          },
        },
      },
    },
  },
}

​
Limieten voor terughalen en vastleggen

memory-lancedb heeft twee afzonderlijke tekstlimieten:
InstellingStandaardBereikVan toepassing op
recallMaxChars1000100-10000tekst die voor terughalen naar de embedding-API wordt verzonden
captureMaxChars500100-10000berichtlengte die in aanmerking komt voor automatische vastlegging
customTriggers[]0-50letterlijke zinnen die automatische vastlegging een bericht laten overwegen
recallMaxChars beheert automatisch terughalen, de tool memory_recall, het querypad memory_forget en openclaw ltm search. Automatisch terughalen geeft de voorkeur aan het laatste gebruikersbericht uit de beurt en valt alleen terug op de volledige prompt wanneer er geen gebruikersbericht beschikbaar is. Dit houdt kanaalmetadata en grote promptblokken buiten het embeddingverzoek. captureMaxChars bepaalt of een antwoord kort genoeg is om voor automatische vastlegging te worden overwogen. Het beperkt geen embeddings voor terughaalquery’s. Met customTriggers kun je letterlijke zinnen voor automatische vastlegging toevoegen zonder reguliere expressies te schrijven. De ingebouwde triggers bevatten veelvoorkomende Engelse, Tsjechische, Chinese, Japanse en Koreaanse geheugenzinnen.

​
Opdrachten

Wanneer memory-lancedb de actieve geheugenplugin is, registreert deze de ltm CLI- naamruimte: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
De subopdracht query voert rechtstreeks een niet-vectorquery uit op de LanceDB-tabel: 
openclaw ltm query --cols id,text,createdAt --limit 20
openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: kommagescheiden kolomtoelatingslijst (standaard id, text, importance, category, createdAt).
  • --filter <condition>: SQL-stijl WHERE-clausule; afgetopt op 200 tekens en beperkt tot alfanumerieke tekens, vergelijkingsoperators, aanhalingstekens, haakjes en een kleine set veilige leestekens.
  • --limit <n>: positief geheel getal; standaard 10.
  • --order-by <column>:<asc|desc>: sortering in het geheugen toegepast na het filter; de sorteerkolom wordt automatisch opgenomen in de projectie.
Agents krijgen ook LanceDB-geheugentools van de actieve geheugenplugin:
  • memory_recall voor terughalen met LanceDB-ondersteuning
  • memory_store voor het opslaan van belangrijke feiten, voorkeuren, beslissingen en entiteiten
  • memory_forget voor het verwijderen van overeenkomende herinneringen

​
Opslag

Standaard staan LanceDB-gegevens onder ~/.openclaw/memory/lancedb. Overschrijf het pad met dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions accepteert string-sleutel/waardeparen voor LanceDB-opslagbackends en ondersteunt ${ENV_VAR}-uitbreiding: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Runtime-afhankelijkheden

memory-lancedb is afhankelijk van het native pakket @lancedb/lancedb. Verpakte OpenClaw behandelt dat pakket als onderdeel van het pluginpakket. Het opstarten van de Gateway herstelt plugin-afhankelijkheden niet; als de afhankelijkheid ontbreekt, installeer of werk het pluginpakket opnieuw bij en start de Gateway opnieuw. Als een oudere installatie tijdens het laden van de plugin een fout over ontbrekende dist/package.json of ontbrekende @lancedb/lancedb logt, upgrade OpenClaw en start de Gateway opnieuw. Als de plugin logt dat LanceDB niet beschikbaar is op darwin-x64, gebruik dan de standaard geheugenbackend op die machine, verplaats de Gateway naar een ondersteund platform, of schakel memory-lancedb uit.

​
Probleemoplossing

​
Invoerlengte overschrijdt de contextlengte

Dit betekent meestal dat het embeddingmodel de terughaalquery heeft geweigerd: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Stel een lagere recallMaxChars in en start daarna de Gateway opnieuw: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Controleer voor Ollama ook of de embeddingserver bereikbaar is vanaf de Gateway-host: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Niet-ondersteund embeddingmodel

Zonder dimensions zijn alleen de ingebouwde OpenAI-embeddingdimensies bekend. Stel voor lokale of aangepaste embeddingmodellen embedding.dimensions in op de vectorgrootte die door dat model wordt gerapporteerd.

​
Plugin laadt, maar er verschijnen geen herinneringen

Controleer of plugins.slots.memory naar memory-lancedb wijst en voer daarna uit: 
openclaw ltm stats
openclaw ltm search "recent preference"
Als autoCapture is uitgeschakeld, haalt de plugin bestaande herinneringen terug, maar zal deze niet automatisch nieuwe opslaan. Gebruik de tool memory_store of schakel autoCapture in als je automatische vastlegging wilt.

​
Gerelateerd