memory_search wyszukuje odpowiednie notatki w plikach pamięci, nawet gdy
sformułowanie różni się od oryginalnego tekstu. Działa przez indeksowanie pamięci
w małych fragmentach i przeszukiwanie ich za pomocą embeddingów, słów kluczowych
albo obu metod.
Szybki start
Wyszukiwanie w pamięci domyślnie używa embeddingów OpenAI. Aby użyć innego
backendu embeddingów, ustaw dostawcę jawnie:
{
agents: {
defaults: {
memorySearch: {
provider: "openai", // or "gemini", "local", "ollama", "openai-compatible", etc.
},
},
},
}
provider może też być niestandardowym wpisem models.providers.<id>, takim jak
ollama-5080, gdy ten dostawca ustawia api: "ollama" albo innego właściciela
adaptera embeddingów pamięci.
W przypadku lokalnych embeddingów bez klucza API zainstaluj
@openclaw/llama-cpp-provider i ustaw provider: "local". Checkouts źródłowe
mogą nadal wymagać zgody na natywną kompilację: pnpm approve-builds, a potem
pnpm rebuild node-llama-cpp.
Niektóre endpointy embeddingów zgodne z OpenAI wymagają asymetrycznych etykiet,
takich jak input_type: "query" dla wyszukiwań oraz input_type: "document" lub
"passage" dla indeksowanych fragmentów. Skonfiguruj je za pomocą
memorySearch.queryInputType i memorySearch.documentInputType; zobacz
referencję konfiguracji pamięci.
Obsługiwani dostawcy
| Dostawca | ID | Wymaga klucza API | Uwagi |
|---|
| Bedrock | bedrock | Nie | Używa łańcucha poświadczeń AWS |
| DeepInfra | deepinfra | Tak | Domyślnie: BAAI/bge-m3 |
| Gemini | gemini | Tak | Obsługuje indeksowanie obrazów/audio |
| GitHub Copilot | github-copilot | Nie | Używa subskrypcji Copilot |
| Local | local | Nie | Model GGUF, pobranie ~0,6 GB |
| Mistral | mistral | Tak | |
| Ollama | ollama | Nie | Lokalny/samodzielnie hostowany |
| OpenAI | openai | Tak | Domyślny |
| OpenAI-compatible | openai-compatible | Zwykle | Ogólne /v1/embeddings |
| Voyage | voyage | Tak | |
Jak działa wyszukiwanie
OpenClaw uruchamia równolegle dwie ścieżki pobierania i scala wyniki:
- Wyszukiwanie wektorowe znajduje notatki o podobnym znaczeniu („gateway host”
pasuje do „maszyna uruchamiająca OpenClaw”).
- Wyszukiwanie słów kluczowych BM25 znajduje dokładne dopasowania (ID,
ciągi błędów, klucze konfiguracji).
Jeśli dostępna jest tylko jedna ścieżka, działa ona samodzielnie. Celowy tryb
tylko FTS (provider: "none") oraz automatyczny/domyślny wybór dostawcy nadal
mogą używać rankingu leksykalnego, gdy embeddingi są niedostępne.
Jawni nielokalni dostawcy embeddingów działają inaczej. Jeśli ustawisz
memorySearch.provider na konkretnego dostawcę zdalnego, a ten dostawca będzie
niedostępny w czasie działania, memory_search zgłosi pamięć jako niedostępną
zamiast po cichu używać wyników tylko FTS. Dzięki temu uszkodzony skonfigurowany
dostawca semantyczny pozostaje widoczny. Ustaw provider: "none" dla celowego
przypominania tylko FTS albo napraw konfigurację dostawcy/uwierzytelniania, aby
przywrócić ranking semantyczny.
Poprawianie jakości wyszukiwania
Dwie opcjonalne funkcje pomagają, gdy masz dużą historię notatek:
Spadek czasowy
Starsze notatki stopniowo tracą wagę rankingu, aby najpierw pojawiały się
najnowsze informacje. Przy domyślnym okresie półtrwania wynoszącym 30 dni
notatka z zeszłego miesiąca uzyskuje 50% swojej pierwotnej wagi. Pliki stale
aktualne, takie jak MEMORY.md, nigdy nie podlegają spadkowi.
Włącz spadek czasowy, jeśli agent ma miesiące codziennych notatek, a nieaktualne
informacje wciąż wyprzedzają nowszy kontekst.
MMR (różnorodność)
Ogranicza nadmiarowe wyniki. Jeśli pięć notatek wspomina tę samą konfigurację
routera, MMR sprawia, że najlepsze wyniki obejmują różne tematy zamiast się
powtarzać.
Włącz MMR, jeśli memory_search stale zwraca prawie zduplikowane fragmenty z
różnych codziennych notatek.
Włącz obie funkcje
{
agents: {
defaults: {
memorySearch: {
query: {
hybrid: {
mmr: { enabled: true },
temporalDecay: { enabled: true },
},
},
},
},
},
}
Pamięć multimodalna
Dzięki Gemini Embedding 2 możesz indeksować obrazy i pliki audio razem z
Markdownem. Zapytania wyszukiwania pozostają tekstowe, ale dopasowują się do
treści wizualnych i audio. Instrukcję konfiguracji znajdziesz w
referencji konfiguracji pamięci.
Wyszukiwanie w pamięci sesji
Opcjonalnie możesz indeksować transkrypcje sesji, aby memory_search mogło
przypominać wcześniejsze rozmowy. Jest to funkcja włączana jawnie przez
memorySearch.experimental.sessionMemory oraz sources: ["sessions"]; domyślna
lista źródeł obejmuje tylko pamięć. Flaga eksperymentalna włącza indeksowanie
transkrypcji sesji, a sources kontroluje, czy fragmenty sesji są przeszukiwane.
Trafienia sesji przestrzegają tools.sessions.visibility: domyślne ustawienie
tree udostępnia tylko bieżącą sesję i sesje przez nią utworzone. Aby przywołać
niepowiązaną sesję tego samego agenta wysłaną przez Gateway z osobnej sesji DM,
celowo rozszerz widoczność do agent.
Podczas używania QMD ustaw także memory.qmd.sessions.enabled: true, aby
transkrypcje były eksportowane do kolekcji QMD. Szczegóły znajdziesz w
referencji konfiguracji.
Rozwiązywanie problemów
Brak wyników? Uruchom openclaw memory status, aby sprawdzić indeks. Jeśli
jest pusty, uruchom openclaw memory index --force.
Tylko dopasowania słów kluczowych? Dostawca embeddingów może nie być
skonfigurowany. Sprawdź openclaw memory status --deep.
Lokalne embeddingi przekraczają limit czasu? ollama, lmstudio i local
domyślnie używają dłuższego limitu czasu wsadowego inline. Jeśli host jest po
prostu wolny, ustaw
agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds i uruchom
ponownie openclaw memory index --force.
Nie znaleziono tekstu CJK? Odbuduj indeks FTS za pomocą
openclaw memory index --force.
Dalsza lektura
Powiązane
