Referentie voor geheugenconfiguratie

Deze pagina vermeldt elke configuratieknop voor OpenClaw-geheugenzoekopdrachten. Zie voor conceptuele overzichten:

Geheugenoverzicht

Hoe geheugen werkt.

Ingebouwde engine

Standaard SQLite-backend.

QMD-engine

Lokale-first nevencomponent.

Geheugenzoekopdrachten

Zoekpijplijn en afstemming.

Active Memory

Geheugen-subagent voor interactieve sessies.

Alle instellingen voor geheugenzoekopdrachten staan onder agents.defaults.memorySearch in openclaw.json, tenzij anders vermeld.

Als je zoekt naar de functieschakelaar voor Active Memory en de subagentconfiguratie, die staat onder plugins.entries.active-memory in plaats van memorySearch.Active Memory gebruikt een model met twee poorten:

de Plugin moet zijn ingeschakeld en gericht zijn op de huidige agent-id
de aanvraag moet een geschikte interactieve persistente chatsessie zijn

Zie Active Memory voor het activatiemodel, de Plugin-eigen configuratie, transcriptpersistentie en een veilig uitrolpatroon.

Providerselectie

Sleutel	Type	Standaard	Beschrijving
`provider`	`string`	`"openai"`	Embeddingadapter-id zoals `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible` of `voyage`; kan ook een geconfigureerde `models.providers.<id>` zijn waarvan `api` naar een geheugen-embeddingadapter of OpenAI-compatibele model-API wijst
`model`	`string`	providerstandaard	Naam van het embeddingmodel
`fallback`	`string`	`"none"`	Fallbackadapter-id wanneer de primaire adapter faalt
`enabled`	`boolean`	`true`	Schakel geheugenzoekopdrachten in of uit

Wanneer provider niet is ingesteld, gebruikt OpenClaw OpenAI-embeddings. Stel provider expliciet in om Gemini, Voyage, Mistral, DeepInfra, Bedrock, GitHub Copilot, Ollama, een lokaal GGUF-model of een OpenAI-compatibel /v1/embeddings-eindpunt te gebruiken. Verouderde configuraties die nog provider: "auto" zeggen, worden opgelost naar openai.

Het wijzigen van de embeddingprovider, het model, providerinstellingen, bronnen, scope, chunking of tokenizer kan de bestaande SQLite-vectorindex incompatibel maken. OpenClaw pauzeert vectorzoekopdrachten en rapporteert een waarschuwing over indexidentiteit in plaats van automatisch alles opnieuw te embedden. Bouw opnieuw wanneer je klaar bent met openclaw memory status --index --agent <id> of openclaw memory index --force --agent <id>.

Wanneer provider niet is ingesteld, de verouderde provider: "auto" aanwezig is, of provider: "none" bewust de modus alleen met FTS selecteert, kan geheugenherinnering nog steeds lexicale FTS-rangschikking gebruiken wanneer embeddings niet beschikbaar zijn. Expliciete niet-lokale providers falen gesloten. Als je memorySearch.provider instelt op een concrete extern ondersteunde provider zoals OpenAI, Gemini, Voyage, Mistral, Bedrock, GitHub Copilot, DeepInfra, Ollama, LM Studio of een OpenAI-compatibele aangepaste provider, en die provider is tijdens runtime niet beschikbaar, retourneert memory_search een resultaat dat aangeeft dat dit niet beschikbaar is in plaats van stilzwijgend alleen FTS-herinnering te gebruiken. Herstel de provider-/authconfiguratie, schakel over naar een bereikbare provider, of stel provider: "none" in als je bewust alleen FTS-herinnering wilt.

Aangepaste provider-id’s

memorySearch.provider kan verwijzen naar een aangepaste models.providers.<id>-vermelding voor geheugenspecifieke provideradapters zoals ollama, of voor OpenAI-compatibele model-API’s zoals openai-responses / openai-completions. OpenClaw bepaalt de api-eigenaar van die provider voor de embeddingadapter, terwijl de aangepaste provider-id behouden blijft voor eindpunt-, auth- en modelprefixafhandeling. Hierdoor kunnen multi-GPU- of multi-hostopstellingen geheugenembeddings toewijzen aan een specifiek lokaal eindpunt:

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

API-sleutelresolutie

Externe embeddings vereisen een API-sleutel. Bedrock gebruikt in plaats daarvan de standaardreferentieketen van de AWS SDK (instancerollen, SSO, toegangssleutels).

Provider	Omgevingsvariabele	Configuratiesleutel
Bedrock	AWS-referentieketen	Geen API-sleutel nodig
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`	Authprofiel via apparaatlogin
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`

Codex OAuth dekt alleen chat/aanvullingen en voldoet niet voor embeddingaanvragen.

Configuratie van externe eindpunten

Gebruik provider: "openai-compatible" voor een generieke OpenAI-compatibele /v1/embeddings-server die geen globale OpenAI-chatreferenties moet overnemen.

remote.baseUrl

string

Aangepaste basis-URL voor de API.

remote.apiKey

string

API-sleutel overschrijven.

remote.headers

object

Extra HTTP-headers (samengevoegd met providerstandaarden).

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

Providerspecifieke configuratie

Gemini

Sleutel	Type	Standaard	Beschrijving
`model`	`string`	`gemini-embedding-001`	Ondersteunt ook `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	Voor Embedding 2: 768, 1536 of 3072

Het wijzigen van het model of outputDimensionality wijzigt de indexidentiteit. OpenClaw pauzeert vectorzoekopdrachten totdat je de geheugenindex expliciet opnieuw opbouwt.

OpenAI-compatibele invoertypen

OpenAI-compatibele embeddingeindpunten kunnen providerspecifieke input_type-aanvraagvelden gebruiken. Dit is nuttig voor asymmetrische embeddingmodellen die verschillende labels vereisen voor query- en documentembeddings.

Sleutel	Type	Standaard	Beschrijving
`inputType`	`string`	niet ingesteld	Gedeelde `input_type` voor query- en documentembeddings
`queryInputType`	`string`	niet ingesteld	`input_type` tijdens query’s; overschrijft `inputType`
`documentInputType`	`string`	niet ingesteld	Index-/document-`input_type`; overschrijft `inputType`

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

Het wijzigen van deze waarden beïnvloedt de identiteit van de embeddingcache voor providerbatchindexering en moet worden gevolgd door een herindexering van het geheugen wanneer het upstreammodel de labels verschillend behandelt.

Bedrock

Bedrock-embeddingconfiguratie

Bedrock gebruikt de standaardreferentieketen van de AWS SDK — er zijn geen API-sleutels nodig. Als OpenClaw op EC2 draait met een Bedrock-ingeschakelde instancerol, stel je alleen de provider en het model in:

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

Sleutel	Type	Standaard	Beschrijving
`model`	`string`	`amazon.titan-embed-text-v2:0`	Elk Bedrock-embeddingmodel-id
`outputDimensionality`	`number`	modelstandaard	Voor Titan V2: 256, 512 of 1024

Ondersteunde modellen (met familiedetectie en dimensiestandaarden):

Model-ID	Provider	Standaarddimensies	Configureerbare dimensies
`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	256-1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

Varianten met throughput-achtervoegsel (bijv. amazon.titan-embed-text-v1:2:8k) erven de configuratie van het basismodel.Authenticatie: Bedrock-authenticatie gebruikt de standaardvolgorde voor credential-resolutie van de AWS SDK:

Omgevingsvariabelen (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
SSO-tokencache
Credentials voor webidentiteitstokens
Gedeelde credentials- en configuratiebestanden
ECS- of EC2-metadatacredentials

De regio wordt bepaald op basis van AWS_REGION, AWS_DEFAULT_REGION, de amazon-bedrock-provider baseUrl, of valt terug op us-east-1.IAM-machtigingen: de IAM-rol of -gebruiker heeft nodig:

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

Beperk voor minimale rechten InvokeModel tot het specifieke model:

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

Local (GGUF + llama.cpp)

Sleutel	Type	Standaard	Beschrijving
`local.modelPath`	`string`	automatisch gedownload	Pad naar GGUF-modelbestand
`local.modelCacheDir`	`string`	node-llama-cpp-standaard	Cachemap voor gedownloade modellen
`local.contextSize`	`number \| "auto"`	`4096`	Grootte van het contextvenster voor de embeddingcontext. 4096 dekt typische chunks (128-512 tokens) terwijl niet-gewicht-VRAM begrensd blijft. Verlaag naar 1024-2048 op beperkte hosts. `"auto"` gebruikt het getrainde maximum van het model — niet aanbevolen voor 8B+-modellen (Qwen3-Embedding-8B: 40 960 tokens → ~32 GB VRAM versus ~8.8 GB bij 4096).

Installeer eerst de officiële llama.cpp-provider: openclaw plugins install @openclaw/llama-cpp-provider. Standaardmodel: embeddinggemma-300m-qat-Q8_0.gguf (~0.6 GB, automatisch gedownload). Source-checkouts vereisen nog steeds goedkeuring voor native builds: pnpm approve-builds en daarna pnpm rebuild node-llama-cpp.Gebruik de zelfstandige CLI om hetzelfde providerpad te verifiëren dat de Gateway gebruikt:

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

Stel provider: "local" expliciet in voor lokale GGUF-embeddings. hf:- en HTTP(S)-modelverwijzingen worden ondersteund voor expliciete lokale configuraties, maar ze wijzigen de standaardprovider niet.

Timeout voor inline embedding

sync.embeddingBatchTimeoutSeconds

number

Overschrijf de timeout voor inline embeddingbatches tijdens geheugenindexering.Niet ingesteld gebruikt de providerstandaard: 600 seconden voor lokale/zelfgehoste providers zoals local, ollama en lmstudio, en 120 seconden voor gehoste providers. Verhoog dit wanneer lokale CPU-gebonden embeddingbatches gezond maar traag zijn.

Configuratie voor hybride zoeken

Alles onder memorySearch.query.hybrid:

Sleutel	Type	Standaard	Beschrijving
`enabled`	`boolean`	`true`	Schakel hybride BM25 + vectorzoeken in
`vectorWeight`	`number`	`0.7`	Gewicht voor vectorscores (0-1)
`textWeight`	`number`	`0.3`	Gewicht voor BM25-scores (0-1)
`candidateMultiplier`	`number`	`4`	Vermenigvuldiger voor grootte van kandidaatpool

MMR (diversity)
Temporal decay (recency)

Sleutel	Type	Standaard	Beschrijving
`mmr.enabled`	`boolean`	`false`	Schakel MMR-herordening in
`mmr.lambda`	`number`	`0.7`	0 = maximale diversiteit, 1 = maximale relevantie

Sleutel	Type	Standaard	Beschrijving
`temporalDecay.enabled`	`boolean`	`false`	Schakel recentheidsboost in
`temporalDecay.halfLifeDays`	`number`	`30`	Score halveert elke N dagen

Evergreen-bestanden (MEMORY.md, bestanden zonder datum in memory/) krijgen nooit decay.

Volledig voorbeeld

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

Aanvullende geheugenpaden

Sleutel	Type	Beschrijving
`extraPaths`	`string[]`	Aanvullende mappen of bestanden om te indexeren

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

Paden kunnen absoluut of relatief aan de werkruimte zijn. Mappen worden recursief gescand op .md-bestanden. De afhandeling van symlinks hangt af van de actieve backend: de ingebouwde engine negeert symlinks, terwijl QMD het gedrag van de onderliggende QMD-scanner volgt. Gebruik voor agent-gebonden transcriptzoekopdrachten tussen agents agents.list[].memorySearch.qmd.extraCollections in plaats van memory.qmd.paths. Die extra verzamelingen volgen dezelfde { path, name, pattern? }-vorm, maar worden per agent samengevoegd en kunnen expliciete gedeelde namen behouden wanneer het pad buiten de huidige werkruimte wijst. Als hetzelfde opgeloste pad zowel in memory.qmd.paths als in memorySearch.qmd.extraCollections voorkomt, behoudt QMD de eerste vermelding en slaat het de duplicaatvermelding over.

Multimodaal geheugen (Gemini)

Indexeer afbeeldingen en audio naast Markdown met Gemini Embedding 2:

Sleutel	Type	Standaard	Beschrijving
`multimodal.enabled`	`boolean`	`false`	Multimodale indexering inschakelen
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]`, of `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	Maximale bestandsgrootte voor indexering

Alleen van toepassing op bestanden in extraPaths. Standaard geheugenroots blijven alleen Markdown. Vereist gemini-embedding-2-preview. fallback moet "none" zijn.

Ondersteunde indelingen: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (afbeeldingen); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

Embedding-cache

Sleutel	Type	Standaard	Beschrijving
`cache.enabled`	`boolean`	`true`	Chunk-embeddings cachen in SQLite
`cache.maxEntries`	`number`	`50000`	Maximaal aantal gecachte embeddings

Voorkomt dat ongewijzigde tekst opnieuw wordt ge-embed tijdens herindexering of transcriptupdates.

Batchindexering

Sleutel	Type	Standaard	Beschrijving
`remote.nonBatchConcurrency`	`number`	`4`	Parallelle inline embeddings
`remote.batch.enabled`	`boolean`	`false`	Batch-embedding-API inschakelen
`remote.batch.concurrency`	`number`	`2`	Parallelle batchtaken
`remote.batch.wait`	`boolean`	`true`	Wachten op batchvoltooiing
`remote.batch.pollIntervalMs`	`number`	—	Pollinterval
`remote.batch.timeoutMinutes`	`number`	—	Batch-time-out

Beschikbaar voor openai, gemini en voyage. OpenAI-batches zijn doorgaans het snelst en goedkoopst voor grote backfills. remote.nonBatchConcurrency beheert inline embedding-aanroepen die worden gebruikt door lokale/self-hosted providers en gehoste providers wanneer provider-batch-API’s niet actief zijn. Ollama gebruikt standaard 1 voor niet-batchindexering om te voorkomen dat kleinere lokale hosts worden overbelast; stel een hogere waarde in op grotere machines. Dit staat los van sync.embeddingBatchTimeoutSeconds, dat de time-out voor inline embedding-aanroepen beheert.

Zoekopdrachten in sessiegeheugen (experimenteel)

Indexeer sessietranscripten en maak ze beschikbaar via memory_search:

Sleutel	Type	Standaard	Beschrijving
`experimental.sessionMemory`	`boolean`	`false`	Sessie-indexering inschakelen
`sources`	`string[]`	`["memory"]`	Voeg `"sessions"` toe om transcripten op te nemen
`sync.sessions.deltaBytes`	`number`	`100000`	Bytedrempel voor herindexering
`sync.sessions.deltaMessages`	`number`	`50`	Berichtdrempel voor herindexering

Sessie-indexering is opt-in en draait asynchroon. Resultaten kunnen enigszins verouderd zijn. Sessielogs staan op schijf, dus behandel toegang tot het bestandssysteem als de vertrouwensgrens.

Sessietranscripttreffers volgen ook tools.sessions.visibility. De standaardzichtbaarheid tree toont alleen de huidige sessie en sessies die deze heeft gestart. Om een niet-gerelateerde, door de Gateway gestarte sessie van dezelfde agent vanuit een andere sessie op te halen, zoals een DM, verruim je de zichtbaarheid bewust naar agent (of alleen naar all wanneer ophalen tussen agents ook vereist is en het agent-naar-agentbeleid dit toestaat). De onderstaande voorbeelden plaatsen deze instellingen onder agents.defaults. Je kunt ook equivalente memorySearch-instellingen toepassen in een override per agent wanneer slechts één agent sessietranscripten moet indexeren en doorzoeken. Voor ophalen van Gateway naar DM binnen dezelfde agent:

Ingebouwde backend
QMD-backend

{
  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" },
  },
}

Bij gebruik van QMD exporteren agents.defaults.memorySearch.experimental.sessionMemory en sources: ["sessions"] op zichzelf geen transcripten naar QMD. Stel daarnaast ook memory.qmd.sessions.enabled: true in.

SQLite-vectorversnelling (sqlite-vec)

Sleutel	Type	Standaard	Beschrijving
`store.vector.enabled`	`boolean`	`true`	Gebruik sqlite-vec voor vectorquery’s
`store.vector.extensionPath`	`string`	gebundeld	Overschrijf het pad naar sqlite-vec

Wanneer sqlite-vec niet beschikbaar is, valt OpenClaw automatisch terug op in-process cosinusgelijkenis.

Indexopslag

Ingebouwde geheugenindexen staan in de OpenClaw SQLite-database van elke agent op agents/<agentId>/agent/openclaw-agent.sqlite.

Sleutel	Type	Standaard	Beschrijving
`store.fts.tokenizer`	`string`	`unicode61`	FTS5-tokenizer (`unicode61` of `trigram`)

QMD-backendconfig

Stel memory.backend = "qmd" in om dit in te schakelen. Alle QMD-instellingen staan onder memory.qmd:

Sleutel	Type	Standaard	Beschrijving
`command`	`string`	`qmd`	Pad naar het QMD-uitvoerbare bestand; stel een absoluut pad in wanneer service-`PATH` verschilt van je shell
`searchMode`	`string`	`search`	Zoekcommando: `search`, `vsearch`, `query`
`rerank`	`boolean`	—	Stel in op `false` met `searchMode: "query"` en QMD 2.1+ om QMD-herschikking over te slaan
`includeDefaultMemory`	`boolean`	`true`	Indexeer `MEMORY.md` + `memory/*/.md` automatisch
`paths[]`	`array`	—	Extra paden: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Exporteer sessietranscripten naar QMD
`sessions.retentionDays`	`number`	—	Bewaartermijn voor transcripten
`sessions.exportDir`	`string`	—	Exportmap

searchMode: "search" is alleen lexicaal/BM25. OpenClaw voert voor die modus geen gereedheidsprobes voor semantische vectoren of QMD-embeddingonderhoud uit, ook niet tijdens memory status --deep; vsearch en query blijven QMD-vectorgereedheid en embeddings vereisen. rerank: false wijzigt alleen de QMD-query-modus en vereist QMD 2.1 of nieuwer. In directe CLI-modus geeft OpenClaw --no-rerank door; in door mcporter ondersteunde MCP-modus geeft het rerank: false door aan de uniforme querytool van QMD. Laat dit oningesteld om het standaardgedrag van QMD voor queryherschikking te gebruiken. OpenClaw geeft de voorkeur aan actuele QMD-collectie- en MCP-queryvormen, maar houdt oudere QMD-releases werkend door waar nodig compatibele vlaggen voor collectiepatronen en oudere MCP-toolnamen te proberen. Wanneer QMD ondersteuning voor meerdere collectiefilters adverteert, worden collecties met dezelfde bron met één QMD-proces doorzocht; oudere QMD-builds behouden het compatibiliteitspad per collectie. Dezelfde bron betekent dat duurzame geheugencollecties samen worden gegroepeerd, terwijl sessietranscriptcollecties een aparte groep blijven zodat brondiversificatie nog steeds beide invoeren heeft.

QMD-modeloverrides blijven aan de QMD-kant, niet in OpenClaw-configuratie. Als je de modellen van QMD globaal moet overschrijven, stel dan omgevingsvariabelen zoals QMD_EMBED_MODEL, QMD_RERANK_MODEL en QMD_GENERATE_MODEL in de Gateway-runtimeomgeving in.

Updateschema

Sleutel	Type	Standaard	Beschrijving
`update.interval`	`string`	`5m`	Vernieuwingsinterval
`update.debounceMs`	`number`	`15000`	Bestandswijzigingen debouncen
`update.onBoot`	`boolean`	`true`	Vernieuwen wanneer de langlevende QMD-manager wordt geopend; stel in op false om de directe opstartupdate over te slaan
`update.startup`	`string`	`off`	Optionele QMD-initialisatie bij Gateway-start: `off`, `idle` of `immediate`
`update.startupDelayMs`	`number`	`120000`	Vertraging voordat de vernieuwing voor `startup: "idle"` wordt uitgevoerd
`update.waitForBootSync`	`boolean`	`false`	Blokkeer het openen van de manager totdat de eerste vernieuwing is voltooid
`update.embedInterval`	`string`	—	Afzonderlijk embedritme
`update.commandTimeoutMs`	`number`	—	Time-out voor QMD-opdrachten
`update.updateTimeoutMs`	`number`	—	Time-out voor QMD-updatebewerkingen
`update.embedTimeoutMs`	`number`	—	Time-out voor QMD-embedbewerkingen

Limieten

Sleutel	Type	Standaard	Beschrijving
`limits.maxResults`	`number`	`6`	Maximaal aantal zoekresultaten
`limits.maxSnippetChars`	`number`	—	Fragmentlengte begrenzen
`limits.maxInjectedChars`	`number`	—	Totaal aantal geïnjecteerde tekens begrenzen
`limits.timeoutMs`	`number`	`4000`	Zoektime-out

Bereik

Bepaalt welke sessies QMD-zoekresultaten kunnen ontvangen. Zelfde schema als session.sendPolicy:

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

De meegeleverde standaardinstelling staat directe sessies en kanaalsessies toe, terwijl groepen nog steeds worden geweigerd.Standaard is alleen DM. match.keyPrefix komt overeen met de genormaliseerde sessiesleutel; match.rawKeyPrefix komt overeen met de ruwe sleutel inclusief agent:<id>:.

Citaties

memory.citations geldt voor alle backends:

Waarde	Gedrag
`auto` (standaard)	Neem de footer `Source: <path#line>` op in fragmenten
`on`	Neem de footer altijd op
`off`	Laat de footer weg (pad wordt intern nog steeds aan de agent doorgegeven)

Wanneer QMD-initialisatie bij Gateway-start is ingeschakeld, start OpenClaw QMD alleen voor in aanmerking komende agents. Als update.onBoot true is en er geen interval-/embedonderhoud is geconfigureerd, gebruikt opstarten een eenmalige manager voor de opstartvernieuwing en sluit die daarna. Als er een update- of embedinterval is geconfigureerd, opent opstarten de langlevende QMD-manager zodat die eigenaar kan zijn van de watcher en intervaltimers; update.onBoot: false slaat alleen de directe opstartvernieuwing over.

Volledig QMD-voorbeeld

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 6, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming wordt geconfigureerd onder plugins.entries.memory-core.config.dreaming, niet onder agents.defaults.memorySearch. Dreaming wordt uitgevoerd als één geplande sweep en gebruikt interne light/deep/REM-fasen als implementatiedetail. Zie Dreaming voor conceptueel gedrag en slash-opdrachten.

Gebruikersinstellingen

Sleutel	Type	Standaardmodel	Beschrijving
`enabled`	`boolean`	`false`	Dreaming volledig in- of uitschakelen
`frequency`	`string`	`0 3 * * *`	Optioneel Cron-ritme voor de volledige Dreaming-sweep
`model`	`string`	standaardmodel	Optionele modeloverride voor de Dream Diary-subagent
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	Maximum aantal geschatte tokens dat wordt bewaard uit elk kortetermijnherinneringsfragment dat naar `MEMORY.md` wordt gepromoveerd; herkomstmetadata blijft zichtbaar

Voorbeeld

{
  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 schrijft machinestatus naar memory/.dreams/.
Dreaming schrijft menselijk leesbare narratieve uitvoer naar DREAMS.md (of bestaande dreams.md).
dreaming.model gebruikt de bestaande vertrouwenspoort voor Plugin-subagents; stel plugins.entries.memory-core.subagent.allowModelOverride: true in voordat u dit inschakelt.
Dream Diary probeert het één keer opnieuw met het standaardsessiemodel wanneer het geconfigureerde model niet beschikbaar is. Vertrouwens- of allowlist-fouten worden gelogd en worden niet stilzwijgend opnieuw geprobeerd.
Het beleid en de drempels voor de light/deep/REM-fasen zijn intern gedrag, geen gebruikersgerichte configuratie.

Geheugenoverzicht

Ingebouwde engine

QMD-engine

Geheugenzoekopdrachten

Active Memory

​Providerselectie

​Aangepaste provider-id’s

​API-sleutelresolutie

​Configuratie van externe eindpunten

​Providerspecifieke configuratie

​Bedrock-embeddingconfiguratie

​Timeout voor inline embedding

​Configuratie voor hybride zoeken

​Volledig voorbeeld

​Aanvullende geheugenpaden

​Multimodaal geheugen (Gemini)

​Embedding-cache

​Batchindexering

​Zoekopdrachten in sessiegeheugen (experimenteel)

​SQLite-vectorversnelling (sqlite-vec)

​Indexopslag

​QMD-backendconfig

​Volledig QMD-voorbeeld

​Dreaming

​Gebruikersinstellingen

​Voorbeeld

​Gerelateerd

Providerselectie

Aangepaste provider-id’s

API-sleutelresolutie

Configuratie van externe eindpunten

Providerspecifieke configuratie

Bedrock-embeddingconfiguratie

Timeout voor inline embedding

Configuratie voor hybride zoeken

Volledig voorbeeld

Aanvullende geheugenpaden

Multimodaal geheugen (Gemini)

Embedding-cache

Batchindexering

Zoekopdrachten in sessiegeheugen (experimenteel)

SQLite-vectorversnelling (sqlite-vec)

Indexopslag

QMD-backendconfig

Volledig QMD-voorbeeld

Dreaming

Gebruikersinstellingen

Voorbeeld

Gerelateerd